ロボットの世界モデルとは? 動く前に次の場面を予測するAI

ロボット分野の世界モデルとは、ロボットがこれから取る行動を入力すると、カメラに次に映る場面を予測する学習モデルである。ロボットは動く前に、このモデルの中で動きを試せる。基本の定義はMEKAWIREの[世界モデルの技術ページ](/technologies/world-model)にまとめた。本稿では、世界モデルが何に使われ、誰が資金を出し、論文が示す限界は何かを整理する。

先に動いたのは資金だった。AMDは9月28日に[World Labsを株式で約82億ドルで買収](/news/amd-to-acquire-world-labs-8-2b-physical-ai-20260928)することで合意し、翌日にはGeneral Intuitionが[評価額62億ドルで2億2000万ドルを調達](/news/general-intuition-220m-6-2b-gameplay-action-models-20260929)した。評価額は6月に開示した水準の2.70倍である。Runway、NVIDIA、Odysseyもロボット向けの世界モデルを出した。

[[table:0]]残る問いは、技術がこの価格の前提とする役割を果たせる段階にあるかだ。

世界モデルの仕事は三つ、ロボットの頭脳はその一つにすぎない

一つ目はシミュレーターである。人が書いた物理エンジンの代わりに映像から場面の変化を学び、その中で方策を試す。[RunwayのPraxis-1](/news/runway-praxis-1-world-action-model-20260930)は、モデル内の成績と実機の成績の相関が0.95だったとした。二つ目は方策の誘導や検証だ。[Dream-to-Remember](/papers/dream-to-remember-continual-steering-of-generalist-robot-policies-with-2610-13816)は世界モデルの中で小さな誘導モジュールを学習させ、微調整が11.7%に崩れた連続する8課題で、固定した方策の成功率を63.7%から74.8%に高めた。三つ目は方策そのものとなり、次の場面と行動を同時に予測することで、[UBTechのThinker-WM](/papers/thinker-wm-a-unified-world-model-with-shared-multimodal-representation-2610-18447)や[スベルのGreenWAM](/papers/greenwam-a-world-foundation-model-for-robotics-2610-18774)がこれを掲げる。

[視覚言語行動(VLA)モデル](/news/what-is-a-vla-model-robot-foundation-models-explained-rt-2-pi0-gr00t-gemini-robotics-2-94bn-raised-2026-20261017)との違いは予測の段階にある。VLAは画像と指示をそのままモーター指令に変え、世界モデルは将来についての明示的な推定を加える。今月の[TS-WAM](/papers/ts-wam-temporal-latent-actions-and-world-action-coupling-for-vision-la-2610-21922)は両者を組み合わせ、実機でPhysical Intelligenceのpi0.5を72.5%対55.0%で上回った。

10月の論文が測ったもの

MEKAWIREが10月1日以降に収集したロボット論文485本のうち54本(11.1%)が世界モデルのタグを持ち、44本に要約を付けた。

[[table:1]]結果ははっきり分かれる。世界モデルが他のシステムを検証したり適応させたりする場面では改善が大きい。清華大学とデンソーの[ExecutionBridge](/papers/plans-are-not-executions-adapting-frozen-world-model-planners-to-contr-2610-22041)は、車両の制御器が変わったときの走行計画器の難所スコアを44%高めた。日本企業が共著に入った事例である。一方、長い時間の物理的な結果を予測する場面では苦しい。智元(AgiBot)とNVIDIAの研究者による評価基準[WorldOracle](/papers/worldoracle-benchmarking-action-conditioned-world-models-against-real-2610-18826)では、試した7つのモデルすべてが実機の長い系列でずれ、つかみ損ねやこぼれをしばしば誤った。Yann LeCun氏が共著の[LeHami](/papers/lehami-symplectic-latent-dynamics-for-world-models-2610-15267)も速度誤差は2.8分の1にしたが、計画では0.527と最良の比較手法の0.800に届かなかった。