「Wujie Power World」モデルが「RoboCasa」で首位を獲得、「GR00T」を下す
設立から1年目の中国のエンボディッドAIスタートアップ「Wujie Power」は、「MWA」と呼ばれる潜在空間ワールドモデルを公開した。このモデルは、スタンフォード大学が支援する「RoboCasa GR1 TableTop」リーダーボードで、平均タスク成功率75.2%を記録し、NVIDIAの「GR00T-N1.6」モデルを上回り、首位に立った。 この結果により、強化学習と組み合わせた潜在空間ワールドモデルという、従来の常識に反する技術的アプローチが、ロボットが混沌とした予測不可能な状況をいかに処理するかをテストするベンチマークにおいて、トップに立った。

人が水の入ったコップを手に取ると、脳はその重さを推定し、液面がどれだけ揺れるかを予測し、隣にあるグラスにぶつからないように避ける――これらすべてを1秒をはるかに下回る時間で処理します。 こうした身体的な直感は、まさにロボットが習得に苦戦してきたものであり、中国の創業1年のスタートアップ企業が、この課題を主要な業界ベンチマークのトップに押し上げたと主張している。
その能力
2026年6月29日、Wujie Power(中国名:Wujie Dongli)は、長期的な視野を持つ双方向の物理的因果連鎖を基盤として構築された、MWAと呼ばれる「潜在空間ワールドモデル」を公開した。 スタンフォード大学やその他の主要機関が共同で立ち上げたベンチマーク「RoboCasa GR1 TableTop」リーダーボードにおいて、同社のMWA WALAモデルは平均タスク成功率75.2%を記録し、NVIDIA GR00T-N1.6を含む主流モデルを抑えて首位を獲得した。 このベンチマークは、設計上非常に難易度が高い。非標準的なキッチン環境における24の高度なタスクを網羅しており、長期間にわたる多段階プロセスや限られた空間での物体検索などが含まれる。さらに、ランダムな照明、雑然とした環境、物体の仕様の変更などを加えることで、不確実な条件下でモデルがどのように汎化できるかを検証している。
このアプローチの独自性
今日のほとんどのエンボディッドAIシステムは、「ビジョン・言語・アクション」というアプローチを採用しています。このアプローチでは、ロボットがテキストによる指示を理解できますが、照明が変化したり、物体が数センチ移動したりするだけで動作が破綻しがちです。これは、モデルが物理的な因果関係を理解するのではなく、示された軌跡を模倣しているに過ぎないためです。 Wujie Powerは、潜在空間の世界モデルと強化学習を組み合わせた、あまり一般的ではないアプローチを採用しています。世界モデルは、ロボットが物理法則を理解し、将来の状態を予測する役割を果たし、一方、強化学習は、高頻度の試行と報酬を通じて、その理解を正確な行動へと変換します。また、このモデルは完全に共有された潜在空間内で動作します。
ピクセルを予測するのではなく、これにより、無関係な背景の細部に対する無駄な計算を省略し、代わりに同社が「潜在アクション」と呼ぶもの、つまり物体が作用を受けた際にどのように変化するかという根本的な表現を抽出することが可能になります。潜在アクションは手動によるラベル付けに依存しないため、このモデルはラベル付けされていない膨大な量のインターネット動画を用いて直接学習を行うことができます。その重要性
注目すべき成果は、スコアそのものだけでなく、その背後にある手法にもあります。単一のステップの予測ではなく、長期的な因果連鎖をモデル化することで、このシステムは、初期の小さな誤りが長いタスクの過程で雪だるま式に増幅し、最終的に動作シーケンスが崩壊してしまうという「雪だるま式効果」を軽減します。 Wujie Power社はまた、「AnyPhys」と呼ばれるネガティブサンプルデータシステムを構築した。これは、業界全体が「クリーンな成功例」を優先して無視しがちな、失敗、不安定性、ニアミスといった事例を意図的に数万件収集するものである。 精密挿入テストにおいて、同社はノイズの多いデータ下でのタスク成功率が最大5倍向上したと報告している。実際の工場やサービス環境向けに具現化された人工知能を評価する購入者にとって、重要な指標は外乱下での堅牢性であり、これこそがRoboCasaの試験条件が測定しようとしているものである。
より大きな示唆
型破りな技術的アプローチが、権威あるベンチマークでトップスコアを記録した。これは重要な意味を持つ。なぜなら、具現化された人工知能の分野では、注目がデモンストレーションから実用化へと移りつつあるからだ。この分野にとってより難しい問いは、もはやロボットがステージ上で台本通りのタスクを実行できるかどうかではなく、状況が変化しても、新たな場面ごとに再学習することなく働き続けられるかどうかである。 重力、接触、摩擦を真に理解するモデルは、自ら一般化することができるため、各シナリオを一つずつ教える必要はありません。それが汎用的な具現化された知能への最も困難な道であり、同時に最も根本的な道でもあります。だからこそ、
物理的な因果関係に基づくベンチマーク結果は、単なるリーダーボード上の順位以上の重みを持っています。免責事項:本記事は一般的な情報提供のみを目的としており、投資、金融、または商業上の助言を構成するものではありません。ベンチマーク数値および技術的な主張は、引用された一次情報源および当該企業が公表した結果に基づいています。
画像クレジット:編集用として生成された説明用画像(ブランド非特定)。
出典:
・ QbitAI (量子位)、「世界初:潜在空間ワールドモデルが、長時系列の双方向物理因果連鎖を実現」 (Wujie Power MWA 潜在空間ワールドモデル、RoboCasa リーダーボード結果)、2026年6月29日。 https://www.qbitai.com/2026/06/439891.html
・ ベンチマーク:RoboCasa GR1 TableTopリーダーボード(スタンフォード大学および提携機関により開始);MWA WALAは、中国科学院自動化研究所の深層強化学習チームと共同で開発された。












