公開：2026年9月25日, 最終更新：2026年9月25日
30秒サマリー
- 認知科学に着想を得た150種のタスクと150万サンプルの訓練コーパス「WROP」を構築・公開
- 独自の16Bワールドモデル「PWM-WROP」は継続モデル中1位、全体3位を記録
- データ・試験問題・モデル重みをオープンリリースし、研究コミュニティへの貢献を目指す
何が起きたか
arXivに2026年9月23日付で投稿された論文「Training Object Permanence in World Models」は、ビデオ生成モデル（ワールドモデル）に「物体永続性」と「物体の固体性」という人間的な認知能力を学習させることを目的とした研究を報告している。
研究チームは、認知科学の知見に基づき手作業で設計した150種のタスクを6つの認知カテゴリに分類したデータ基盤「WROP（World Reasoning with Object Permanence）」を構築した。各タスクはBlenderを用いた生成器によって速度・照明・カメラ角度などのパラメータをランダム化しながら認知構造を維持し、タスクあたり1万サンプル以上を生成。総計150万サンプルの訓練コーパスと300問の評価試験を公開している。
この評価試験では、参照動画→動画生成型3モデル、編集型7モデル、継続生成型4モデルの計14モデルを評価した。研究チームが開発した160億パラメータのワールドモデル「PWM-WROP」は、盲検式のペアワイズEloスタディにおいて継続モデル中1位、全体では参照動画→動画生成型の上位2モデルと統計的同点となりつつも3位という結果を示した。
論文では、データセット・評価試験・各モデルの回答・スコア・モデル重みに加え、AWS Trainium2上で動作するネイティブPyTorchの訓練スタック「PWM」もオープンに公開するとしている。
原典ハイライト
論文アブストラクトは「物体永続性と固体性は人間の認知的事前知識の特徴であり、ビデオ生成モデルはすでに推論能力の萌芽を示しており、人間に似た物理的知性を構築する有力候補となっている」と述べ、コア認知に着想を得たデータセットによる訓練の有効性を示している。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
物体が視界から消えても存在し続けるという「物体永続性」はロボティクスや自律エージェントの実世界動作に不可欠な能力であり、これをワールドモデルに系統的に訓練する手法とベンチマークが公開されたことで、物理AIの研究・開発が加速する可能性がある。評価基盤と訓練データがオープン化されたことで、企業・研究機関が独自モデルの能力を客観的に測定できる共通尺度が生まれる点も重要だ。
日本企業への示唆
製造・物流・ロボティクス分野の日本企業にとって、物体永続性を備えたワールドモデルは搬送ロボットや検査AIの精度向上に直結する可能性がある。WROPのデータセットと評価試験は無償公開されているため、自社のAIモデルが物理的推論能力を持つかどうかを低コストで検証する手段として活用を検討できる。また、AWS Trainium2向けの訓練スタックが公開されていることから、クラウドインフラを持つ企業はすぐに実験環境を構築できる。研究段階の論文である点には留意が必要だが、この種のベンチマークが業界標準になる前にキャッチアップしておくことが競争上の優位につながりうる。
背景・経緯
ワールドモデルとは、環境の物理的なダイナミクスを内部的にシミュレートするAIモデルの総称で、ロボティクスや強化学習への応用が期待されている。近年のビデオ生成モデルの高度化に伴い、こうしたモデルがどこまで物理的推論能力を持つかが研究上の重要課題となっている。本論文はその能力を認知科学の枠組みで体系的に評価・訓練しようとする試みと位置づけられる。
