フレーム数と操作への反応は別の指標
2026年10月21日公開のCADRE論文は、動画生成向けの圧縮器を対話型ワールドモデルへそのまま使う設計を見直した。複数フレームを時間的にまとめれば計算を減らせるが、そのまとまりが揃うまで行動の結果を表示できない場合がある。高い生成フレーム数だけでは、操作への即応性を判断できない。研究陣は時空間の圧縮条件が異なる因果的オートエンコーダーを比較した。
固定カメラと移動カメラでは最適解が変わる
操作と移動の四環境で同じ構造のワールドモデルを学習し、固定カメラの操作では時間圧縮の損失が比較的小さく、カメラが動く移動では空間圧縮が有利と報告した。画質だけでなく、動きと行動追従も評価する必要があるという設計上の示唆だ。
ただし環境別の研究結果であり、汎用モデルや実ロボットの方策学習・計画への一般化は未確認である。査読採択が確認されていないプレプリントで、商用シミュレーターや安全認証の発表ではない。実務の評価では画質・処理量と、入力から結果までの遅延・行動追従の失敗を分け、カメラ条件も記録したい。