Hongyuan Adam Lu氏らの研究チームは6月16日(現地時間)、新たなワールドモデル「ループト・ワールド・モデルズ (Looped World Models、LoopWM)」を発表しました。同モデルは、忠実な長時間シミュレーションに不可欠な深い計算と、既存モデルの高コストおよびエラー累積という課題を解決するものです。LoopWMは、パラメーター共有型のトランスフォーマーブロックを通じて潜在環境状態を反復的に精密化する手法を採用し、従来の方式と比較して最大100倍のパラメーター効率を実現すると報告されています。
ループト・ワールド・モデルズ (Looped World Models、LoopWM) は、ワールドモデリング向けに初めて導入されたループ構造のアーキテクチャを特徴としています。従来のワールドモデルは、環境の長期的な振る舞いを予測する際に、高額な計算コストとエラーの累積という課題に直面することが多くありました。
これに対し、LoopWMは予測ステップの複雑さに合わせて深度を自動的にスケーリングする適応的計算を備えており、リソースの効率的な利用を可能にしています。論文では、LoopWMがモデルサイズや学習データの単純なスケーリングとは異なるアプローチを採用している点を強調しています。このモデルは、反復的な潜在深度をワールドシミュレーションにおける新たなスケーリング軸として確立しました。これにより、計算効率を大幅に向上させつつ、より複雑で長期的な環境のシミュレーションを可能にする道を開くと期待されています。
研究チームは、この革新的なアプローチがワールドモデリングの分野を大きく前進させる可能性を指摘しています。LoopWMの主要な特徴の一つは、複数の反復にわたってパラメーターを共有するトランスフォーマーブロックを使用することです。これにより、モデルは限られたリソースで深い計算を実行し、潜在状態を徐々に洗練させることができます。例えば、より複雑な予測が求められる場合には、自動的に反復回数を増やして深度を深めることで、高精度な出力を維持することが可能です。
本論文の著者には、Hongyuan Adam Lu氏をはじめ、Z.L. Victor Wei氏、Qun Zhang氏、Jinrui Zeng氏、Bowen Cao氏を含む合計31名の研究者が名を連ねています。LoopWMは、限られたリソース下での高性能ワールドモデル構築を可能にするとして、その研究成果が注目されています。
参考: arXiv cs.LG — 2026年6月17日 02:37 (JST)