arXiv cs.ROは10月21日(現地時間)、ユンハオ・ルオ氏ら複数の研究者が、ワールドモデルの物理特性校正手法「PhysiCalWorld」を発表した。これは、既存のワールドモデルがオブジェクトの質量分布や摩擦といった物理特性を十分に捉えきれず予測が不安定になる課題に対応する。PhysiCalWorldは、in-context promptingを利用し、ファインチューニングや分析的物理モデリングなしに、インスタンス固有のダイナミクスに合わせてワールドモデルを校正する。
既存のワールドモデルは、現在の視覚フレームや限られた履歴ウィンドウを通じてシーンを認識するものの、オブジェクトの質量分布、関節ダンピング、表面摩擦といった遷移ダイナミクスを決定する物理特性を明確に把握できない場合がある。これらの重要な物理的要因がワールドモデルに対して適切に校正されないと、予測は経験的な事前分布に回帰する傾向が強く、新しいテストシーンにおいて「予測ドリフト」と呼ばれる深刻な誤差を引き起こすことが知られている。この予測ドリフトは、特にロボットの計画と制御において、現実世界での有効性を著しく低下させる要因となっていた。
こうした課題に対し、研究者らは新たにPhysiCalWorldを提案した。この手法の核心は、テストシーン内で収集された探索的なインタラクションクリップを、コンパクトで効率的な「物理記述子トークン」に符号化する点にある。この記述子トークンは、その後のワールドモデルの予測を、シーンの実際の物理的挙動に基づいたものへと効果的に校正する役割を担う。PhysiCalWorldの学習プロセスは、物理ラベルを一切使用せず、潜在予測ロスのみでエンドツーエンドに実行されるため、学習データ準備の複雑さを大幅に軽減する。
推論時における効率性もPhysiCalWorldの大きな特長である。記述子トークンは一度抽出されるだけで、その後の全ロールアウト期間を通じて再利用が可能であり、これにより計算オーバーヘッドは実質的に無視できるレベルに抑えられる。この設計は、リアルタイム性が極めて重要となるロボティクス応用において、実用的な利点をもたらす。
研究チームは、PhysiCalWorldの有効性を検証するため、多様な物理的変動をカバーする4つの異なる環境で評価を実施した。具体的には、質量分布や摩擦係数が異なるオブジェクトが存在するシナリオなどが含まれる。評価の結果、PhysiCalWorldを適用したワールドモデルは、従来のモデルと比較してロールアウト予測精度と視覚的プランニングの成功率において大幅な向上が示された。さらに、学習された記述子は物理的に構造化された潜在空間を形成し、訓練中に経験していない物理的範囲に対しても優れた一般化能力を持つことが確認された。この一般化能力は、PhysiCalWorldが未知の環境や物体に適応できる可能性を示唆しており、より広範な実世界でのロボット応用への道を開くものである。本研究は、in-context learningのパラダイムをロボティクスにおける物理特性校正という新たな分野に応用する点で、重要な一歩となる。
参考: arXiv cs.RO — 2026年10月22日 02:57 (JST)
原文ハイライト"PhysiCalWorld: In-Context Physics Calibration for World Models"