新世界モデル、ロボット把持成功率71%に

研究の概要

南京大学などの研究チームは、ロボット制御に用いる「世界モデル」の新手法AD-WM（Action-Discriminative World Models）を発表した。従来の世界モデルは、ロボットの行動が引き起こす状態変化を正確に予測する「事実予測」の精度向上に主眼を置いてきた。しかし実際の制御現場では、複数の候補行動の中から最適な一手を選ぶ反実仮想的な比較が求められる。研究チームは、事実予測の誤差が低いモデルでも、候補行動同士を区別する能力が低い場合があるという課題を指摘した。

AD-WMは、残差型の潜在ダイナミクスと、行動情報を予測器レベルで復元する正則化手法を組み合わせることでこの問題に対処する。逆動力学と条件付き相互情報量に基づく正規化目的関数を用い、プランニング時の状態遷移が行動情報を保持するよう学習を促す。これらの補助的な仕組みはテスト時には取り除かれ、実際のモデル予測制御（MPC）の計算コストには影響しない。

シミュレーション環境「OGBench-Cube」での検証では、難易度の高い初期条件でのタスク成功率が既存手法の3.7%から**52.0%へと大幅に改善した。5種類のシミュレーション環境のうち4種類で平均成功率が既存手法を上回った。さらに、事前学習済み画像エンコーダ「V-JEPA 2」を固定しロボット行動データセット「DROID」で後段学習を行い、実機のFranka製ロボットアームに適用したところ、基本的なピック・アンド・プレース作業の成功率が42.2%から71.1%**に向上した。特筆すべきは、この改善が実験室固有の追加調整なしで達成された点である。

ビジネスへの示唆

この成果は、製造業や物流業における自動化投資の費用対効果を左右する可能性がある。ロボットアームによるピック・アンド・プレース作業は倉庫のピッキング工程や組立ラインの部品供給工程で広く使われるが、現場ごとの再調整コストが導入の障壁となってきた。AD-WMのようにゼロショット転移性能が高いモデルが実用化されれば、以下の部門への影響が見込まれる。

• 生産技術部門：新規ラインへのロボット導入における現場調整期間の短縮
• 物流・倉庫管理部門：ピッキング成功率の向上による誤出荷率・再作業コストの低減
• 品質保証部門：タスク成功率という定量KPIに基づく自動化設備の評価基準の精緻化
• 研究開発部門：世界モデルの評価指標を予測誤差から行動識別性能へ転換する必要性

研究チームが示した知見として重要なのは、事実予測の誤差やモデルの候補行動ランキング精度が、実際の閉ループでのタスク成功率と必ずしも一致しないという点である。一方で、制御アルゴリズムCEM（交差エントロピー法）に整合した「エリート後悔」という指標は成功率との相関が高いことが確認された。これはロボット制御システムを開発・調達する企業にとって、モデル選定時の評価基準を見直す契機となり得る。

今後の展望

AD-WMは学習済み世界モデルの補助ヘッドをテスト時に削除する設計のため、既存のMPCベースのロボット制御パイプラインに追加コストなく組み込める点が実用面での利点となる。今後、自動車部品組立や食品・医薬品分野のピッキング作業など、初期条件のばらつきが大きい現場での実証が進めば、ロボット自動化の投資判断における意思決定材料として活用される可能性がある。研究チームは論文とあわせて動画・コードを公開しており、産業界での検証や再現実験の広がりが期待される。