強化学習を最大千倍高速化する世界モデル発表

この成果は、カリフォルニア大学バークレー校の教授で、AmazonのFrontier AI & Robotics（FAR）組織にも所属するPieter Abbeel氏が率いるグループによるものだ。Abbeel氏はロボット機械学習の分野で知られる人物で、約10年前にはOpenAIがまだロボット強化学習に取り組んでいた時期に大学の教職を離れ、フルタイムの研究者として同社で働いた。Physical Intelligenceの共同創業者であるChelsea Finn氏のメンターでもあり、Sergey Levine氏のかつての研究協力者でもある。

この研究は、近年の動画生成の波ではなく、ロボット学習における世界モデルの古典的な流れに位置する。本誌2026年4月号で取り上げたNVIDIAのDreamZeroなどWAM（world action model）やVAM（video action model）のアプローチは、主に拡散ベースの動画生成の上に構築され、マニピュレーション作業に応用されている。これに対しAbbeel氏の手法は、ロボットとその環境の状態量をパラメーターとして直接予測する。

sim-to-realは現在、ヒューマノイドの歩行（ロコモーション）やダンスなどの全身運動制御で広く使われている。速度と成功率の向上が実証されれば、この分野にとって大きな前進となり得るが、これは製品として展開されたものではなく大学の研究成果として示されている。