Runway、ロボット制御モデル Praxis-1 を発表──Web 動画事前学習でテレオペ同等の配置精度を実現
膨大な Web 動画を活用した事前学習により、ロボット特有のティーチングデータ収集量を削減しつつ複数アームやモバイルベースへ横展開できる世界行動モデルを構築した。
リリース: 2026-09-30 · 読了 3 分記事の要約
1. 核心（What）
- Runway は大規模動画事前学習を基盤とするオープンウェイトのロボット向け世界行動モデル「Praxis-1」を発表した。
- Web 動画事前学習を用いたモデルは、配置エラー検証においてテレオペレーション動画事前学習と同等の精度（16.1 cm 対 16.0 cm）を記録した。
- 単一のポリシーが、二腕リグ、6軸アーム、モバイルベースなど複数の異なるロボットハードウェア（エンボディメント）上で動作する。
- 透過オブジェクト、複雑なシーン、変形物、酷似したアイテムの連続配置というロボット学習の4大失敗ケースをターゲットに設計されている。
2. 影響（Why）
- 高価なティーチングデータ依存の打破: 実機テレオペによるデータ収集コストがロボット開発のボトルネックだったが、Web 動画で物理法則や対象のインタラクションを事前学習できれば、個別タスクに必要な実機デモンストレーション量を数分の一に圧縮できる。
- 国内ロボット SIer・自動化開発への影響: 多関節アームを導入する国内のFA・物流ロボット開発チーム（中規模SIerや自動化ベンチャーを想定）は、多様なワークへの適応力を自前でデータ収集せずともモデルの事前学習済み重みで担保できる選択肢が生まれる。
3. 根拠・詳細（How）
- 世界行動モデルによる統合処理: シーンの変化を予測する世界モデルと、センサー観測をコマンドに変換するポリシーモデルの機能を統合し、学習済みの物理挙動表現から直接アクションを選択する構造を採用している。
- シミュレーション内評価の相関性: Runway が構築した生成シミュレーション内部でのポリシー評価と実機ロボット上の結果の間で 0.95 の相関関係が報告されており、物理リグを占有せずに事前スクリーニングが可能になる。
4. 展望・課題（Next）
- 数ヶ月以内のモデル重み一般公開: 数ヶ月以内にモデルウェイトが一般公開される予定であり、現在は Runway のロボットチームを通じて初期パートナー向けに早期アクセスが提供されている。
- 詳細な技術仕様の公開待ち: モデルサイズ、推論ハードウェア要件、アクションデータのグラウンディング手法、具体的な商用ライセンス条項などの詳細仕様は現時点で未公開である。