RobotAIGeek

「世界モデル経済学」の物語に欠けていた一片

ニューヨーク大学(NYU)とヤン・ルカン氏が設立したスタートアップ企業AMIの研究者らは、Joint Embedding Predictive Architecture(JEPA)の世界モデルが、壊滅的な忘却を起こすことなく、未見の物理環境にミリ秒単位で適応できるようにする手法「AdaJEPA」を開発した。

A
読了目安2分Posted: 2026年7月6日
「世界モデル経済学」の物語に欠けていた一片

ヤン・ルカン氏が立ち上げた新スタートアップ「Advanced Machine Intelligence」は、ニューヨーク大学(NYU)の研究者らと共同で、ロボットの稼働中に世界モデルをミリ秒単位で継続的に更新できる手法「AdaJEPA」を発表した。これにより、世界モデル時代における重大な経済的課題、すなわち環境の変化に伴い静的モデルが機能しなくなり、コストのかかる再学習が必要となるという問題が解決される。 実行時の適応を可能にすることで、AdaJEPAはロボットが新たなシナリオにその場で対応できるようにし、AIロボティクスが約束するコスト削減効果を確実なものにします。

経緯

2025年後半、ヤン・ルカンは12年間にわたりMetaのチーフAIサイエンティストを務めた後、同社を退社してAMI Labsを設立し、企業価値35億ドルで過去最高となる10億3000万ドルのシードラウンドを調達した。 彼の主張は明快だった。大規模言語モデルは単にテキストトークンを予測するに過ぎないため、汎用知能を達成することはできない。一方、真の知能には、行動の物理的な結果を予測する「世界モデル」が必要である。今週、その主張に対する最初の主要な技術的検証結果が発表された。

NYUとAMIの研究者たちは、Ying Wang氏をリーダーとし、LeCun氏の指導のもと、AdaJEPAを発表した。この論文では、Joint Embedding Predictive Architecture(JEP)へのテスト時適応が紹介されている。AdaJEPAでは、初期学習後にワールドモデルを固定するのではなく、ロボットが移動している間、再計画サイクルごとに1回の勾配計算ステップを実行できるようにしている。 これにより生じる遅延はわずか10~30ミリ秒に過ぎない。ベンチマーク実験では、ロボットが未見の迷路レイアウトに直面した際、静的モデルと比較して成功率が53.3%から78.7%へと跳ね上がり、過去の知識が劇的に失われることもなかった。

この画期的な成果は、現在のAIシステムが抱える根本的な欠陥を解決するものです。従来のモデルは静的であり、大規模でコストのかかる学習フェーズを経て学習を完了した後、新たなことを何も学習できない状態で実環境に展開されます。環境が変化すれば、モデルは機能しなくなります。AdaJEPAは継続的な学習ループを導入し、モデルが

その場での環境変化。エンコーダーとプリディクターの最上層のみを更新することで、事前学習で得られた広範な知識を維持しつつ、目先の局所的な変化に迅速に適応します。

その重要性

世界モデルの経済性に関する最近の分析で詳述したように、事後対応型の「Vision Language Action(VLA)」システムから予測型の世界モデルへの移行は、業界にとってコスト削減につながる出来事です。 ワールドモデルは、ハードコーディングされたエッジケースのエンジニアリングを不要にすることで、物流や製造用ロボットの投資回収期間を大幅に短縮すると期待されています。しかし、その経済的な期待には技術的な課題がありました。倉庫の間取りが変わったり、季節による照明の条件が変化したりすると、静的なワールドモデルは混乱してしまいます。これを修正するには、新しいデータを収集し、コストのかかる再学習サイクルを実行する必要がありました。

AdaJEPAは、この再トレーニングにかかるコストを解消します。これにより、ワールドモデルは静的な物理エンジンから、生き生きと機能するシステムへと変貌を遂げます。ロボットが新しいSKUに遭遇したり、工場のレイアウトが変更されたりしても、モデルは内部表現をリアルタイムで調整します。これは、高度に構造化された環境以外での導入においても、経済的な計算が成り立つようにするために必要な技術的メカニズムです。

ロボットを大規模に導入する企業にとって、これは、絶え間ない高コストな人的介入を必要とするロボット群と、稼働期間が長くなるほど能力が高まるロボット群との違いを意味します。致命的な「忘却」を起こすことなくミリ秒単位で適応する能力により、農業における天候の変化から、混雑した倉庫での予期せぬ障害物に至るまで、ロボットは現実世界の無限の変動性に対処できるようになります。

米国対中国の世界モデル競争

AdaJEPAのリリースは、ワールドモデル構築をめぐる世界的な競争における戦略の分岐を浮き彫りにしている。米国は、汎用シミュレーションとアーキテクチャのブレークスルーに焦点を当てた、資本集約型のフロンティア・ラボ型アプローチを追求している。LeCun氏のAMI Labs、Genie 3を搭載したDeepMind、Fei Fei Li氏のWorld Labs、そしてNVIDIAのCosmosなどがその例である。

各プラットフォームは、将来のあらゆる具現化AIの基盤となる物理レイヤーとして機能することを目的とした、大規模で汎用性の高いエンジンを構築している。

一方、中国は異なる道を歩んでおり、その特徴は、国家の支援を受ける研究機関が、即時の産業展開と密接に連携している点にある。北京人工知能アカデミーは最近、「Wujie Emu 3.5」マルチモーダル世界モデルと、「Physis 0.1」汎用世界基盤モデルを発表した。 中国の開発者たちは、汎用人工知能の登場を待つのではなく、これらの初期段階の世界モデルをNIOやCATLといった企業の生産ラインに積極的に統合しており、工場現場をモデルの実用性を検証するための究極のテストベッドとして位置づけている。

この相違は、興味深いダイナミクスを生み出している。米国はシミュレーション環境の中で究極の汎用脳を構築している一方、中国は工場の現場で直接、特化型の脳を構築している。AdaJEPAは、米国のアプローチにとって重要な一歩であり、汎用脳が最終的に混沌とした物理世界に展開された際に適応するためのメカニズムを提供するものである。

具体的な導入シナリオ

農業用収穫ロボットを例に考えてみよう。これは、予測不可能な照明条件、作物の形状のばらつき、天候の変化により、従来の自動化が機能しないユースケースである。 静的な「ビジョン・言語・アクション(Vision Language Action)」モデルの下では、ロボットはトマトの苗のあらゆる可能なバリエーションについて学習しなければならない。静的な世界モデルの下では、ロボットはトマトを摘む際の物理法則を理解しているが、突然の豪雨によって畑の視覚的な質感が変化した場合、動作に失敗する可能性がある。

AdaJEPA を使用すれば、ロボットのワールドモデルは豪雨にリアルタイムで適応します。次の蔓に手を伸ばすまでの 30 ミリ秒の間に、モデルは内部表現を更新して濡れて滑りやすい表面を考慮し、新たな摩擦の力学を正確に予測します。 収穫は中断されることなく続き、農場主はコストのかかる稼働停止や、メーカーへのソフトウェアパッチの依頼を回避できます。この継続的な

適応こそが、脆弱な技術を、産業向けの堅牢で信頼性の高いツールへと変えるのです。

厳しい現実

実行時の適応処理は計算コストが高い。AdaJEPAはレイテンシを30ミリ秒未満に抑えるため、更新をエンコーダの最終層に限定しているが、エッジハードウェア上で連続的な勾配計算を実行すると、バッテリー寿命を消耗し、発熱を招く。 この継続的に学習するアーキテクチャを、電源に縛られない移動型ヒューマノイドロボットに展開するには、大規模な商用化が可能になる前に、低消費電力かつ高効率なエッジ用シリコン技術において飛躍的な進歩が必要となる。制御された実験室環境でのベンチマーク成功と、現場のバッテリー駆動ロボットへの堅牢な展開との間には、依然として大きな技術的課題が残されている。

出典

[1] AdaJEPA: 連続制御のためのワールドモデルのテスト時適応。arXiv:2606.32026。2026年7月。https://arxiv.org/abs/2606.32026

[2] QbitAI. LeCunチーム、ワールドモデルの継続的な学習を実現。2026年7月5日。https://www.qbitai.com/2026/07/442964.html

[3] TechCrunch. ヤン・ルクン氏のAMI Labs、ワールドモデル構築に向け10億3000万を調達。2026年3月9日。 https://techcrunch.com/2026/03/09/yann lecuns ami labs raises 1 03 billion to build world models/