日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

シミュレーション/評価arXiv:2607.01060

RoboWorld: 汎用ロボットポリシー評価のための高速で信頼性の高いニューラルシミュレータ

RoboWorld: Fast and Reliable Neural Simulators for Generalist Robot Policy Evaluation

シェア:XThreadsFacebookLINEはてブBluesky

ビデオワールドモデルを用いてロボットポリシーを評価する自動パイプラインを提案し、新しいStep Forcing手法で長期的なロールアウトの信頼性を高め、実世界評価と高い相関を達成した。

詳しい要約

1. どんなもの?

RoboWorldは、汎用ロボットポリシーの評価を目的とした自動評価パイプラインである。高速な自己回帰型ビデオワールドモデルと、タスク進捗を認識するVision-Language Model (VLM)によるスコアリングを組み合わせる。物理的な制約や工学的負担を回避し、実世界展開の代替としてビデオワールドモデルを用いた評価を実現する。

2. 先行研究と比べてどこがすごい?

従来のビデオワールドモデルによるポリシー評価は、ワールドモデルの誤差により生成ロールアウトが信頼性に欠け、推論速度が遅く大規模スループットが制限されるという課題があった。RoboWorldは、Step Forcingという手法を導入し、自己回帰ロールアウトの信頼性を向上させるとともに、高速な推論を実現し、実世界評価との強い整合性を達成している点が優れている。

3. 技術・手法の肝は?

技術の肝は、Step Forcingと呼ばれる手法にある。これは、アンカーされたコンテキストとワンステップ自己フォワードコンテキストを組み合わせることで、訓練時とテスト時のミスマッチを低減しつつ、行動と観測のダイナミクスを保持する。さらに、タスク進捗を認識するVLMスコアリングを統合し、自動評価パイプラインを構成する。

4. どうやって有効だと検証した?

有効性は、複数のタスクと環境にわたる実世界ロボット評価との相関を測定することで検証された。Pearson's r = 0.989、Spearman's ρ = 0.970という高い相関が得られ、RoboWorldが実世界評価と強く整合することを示した。

5. 議論はある?

要旨からは、Step Forcingの詳細な理論的裏付けや、VLMスコアリングの設計選択、特定のタスクや環境での限界、計算コストの詳細などは不明である。また、実世界評価との相関は高いが、因果関係や一般化の範囲については議論の余地がある。

6. 次に読むべき論文は?

要旨で参照されている関連研究は明示されていないが、ビデオワールドモデルやVLMを用いたロボット評価の分野の定番論文として、World Models、Video Prediction、Vision-Language Models for Roboticsなどが挙げられる。具体的には、"Video World Models"や"Generalist Robot Policies"に関する最近の研究を参照することが推奨される。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Byeongguk Jeon, Seonghyeon Ye, JaeHyeok Doo, Sungdong Kim, Minjoon Seo, Hyungmok Son, Kimin Lee

分類: cs.RO

原文アブストラクト

Video world models are emerging as a scalable alternative for evaluating generalist robot policies, bypassing the physical constraints and engineering burdens of real-world deployment. However, evaluating policies with video world models remains challenging, as world-model errors can make generated rollouts unreliable and slow inference limits large-scale throughput. We introduce RoboWorld, an automated evaluation pipeline that pairs a fast autoregressive video world model with a task-progress-aware vision-language model scoring. To enable reliable long-horizon autoregressive world-model rollouts, we propose Step Forcing, which combines anchored and one-step self-forwarded contexts to reduce train-test mismatch while preserving action-observation dynamics. Together, these components enable RoboWorld to align strongly with real-world robot evaluation across tasks and environments, achieving Pearson's r = 0.989 and Spearman's $\rho$ = 0.970.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI