日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ワールドモデルarXiv:2607.26452

CG-World: ワールドモデルのための大規模ワールド状態データセットとプロトコル

CG-World: A Large-Scale World-State Dataset and Protocol for World Models

シェア:XThreadsFacebookLINEはてブBluesky

産業用CG制作パイプラインから派生した、状態・行動・イベント・観測を統合的に記録する大規模ワールド状態データセットとプロトコルを提案し、介入学習や反事実推論を可能にする。

詳しい要約

1. どんなもの?

CG-Worldは、産業用コンピュータグラフィックス制作パイプラインから派生した大規模なworld-stateデータセットとプロトコルである。中間状態(マルチモーダルセマンティクス、空間構造、スケルトン/コントローラ状態、モーションカーブ、カメラ/ライティングパラメータ、物理キャッシュ、接触イベント、マルチパスレンダリング)を明示的に記録し、約85万の時間整合された1〜5秒のセグメントを含む。潜在状態、観測、関係、イベント、ブランチメタデータを分離し、統一された時空間サンプルに整理する。介入学習と反事実推論を支援するため、事実軌跡、観測介入、行動介入、メカニズム介入、厳密な反事実ブランチをカバーするブランチ系統を定義する。

2. 先行研究と比べてどこがすごい?

既存のビデオ、ロボティクス、シミュレーションデータセットは、状態、行動、イベント、観測の結合ダイナミクスの一部しか捉えていない。CG-Worldは、産業用CGパイプラインを活用することで、中間状態と介入ブランチを明示的に記録し、world model学習に必要な構造化された監視信号を提供する点で優れている。

3. 技術・手法の肝は?

手法の肝は、CG制作パイプラインから中間状態を抽出し、潜在状態、観測、関係、イベント、ブランチメタデータを分離して統一時空間サンプルに編成すること。さらに、介入ターゲット、不変量、代替結果を明示的に記録したブランチ系統を定義し、介入学習と反事実推論を可能にする。

4. どうやって有効だと検証した?

ジオメトリ条件付きビデオ生成、行動予測、閉ループビジョンランゲージアクションポリシー転送のタスクで評価し、CG-Worldが制御生成、行動モデリング、身体化ポリシー転送に再利用可能な構造化監視を提供することを示した。

5. 議論はある?

要旨からは、データセットの規模や多様性、実世界への適用可能性、計算コスト、ブランチ系統の完全性などに関する議論は不明。今後の拡張としてデータ収集の継続とコミュニティ協力が計画されている。

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、world model、Physical AI、身体化知能に関する既存のデータセットや手法(例:シミュレーションデータセット、ロボティクスデータセット、ビデオ生成モデル)が関連する。

※ 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: Yiming Cai, Fangjie Yu, Meiqing Yu, Ziyue Shi, Pengfei Yuan, Yong Guo

分類: cs.AI, cs.CV, cs.GR

原文アブストラクト

World models must learn the joint dynamics of states, actions, events, and observations, yet existing video, robotics, and simulation datasets usually capture only part of this structure. We introduce CG-World, a large-scale world-state dataset and protocol derived from industrial computer graphics production pipelines. CG-World explicitly records intermediate states, including multimodal semantics, spatial structure, skeletal and controller states, motion curves, camera and lighting parameters, physics caches, contact events, and multi-pass renderings. CG-World v1 contains approximately 850,000 temporally aligned segments of 1-5 seconds. It separates latent states, observations, relations, events, and branch metadata, and organizes them into unified spatiotemporal samples. To support intervention learning and counterfactual reasoning, CG-World defines a branch lineage covering factual trajectories, observation interventions, action interventions, mechanism interventions, and strict counterfactual branches, with intervention targets, invariants, and alternative outcomes explicitly recorded. We evaluate the dataset on geometry-conditioned video generation, action prediction, and closed-loop vision-language-action policy transfer. Results show that CG-World provides reusable structured supervision for controlled generation, action modeling, and embodied policy transfer. We plan to expand CG-World through continued data collection and community collaboration toward a shared data infrastructure for world models, Physical AI, and embodied intelligence.

関連論文

  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