最近、研究チームは「EWAM: An Enhanced World Action Model for Closed-Loop Online Adaptation in Embodied Intelligence」と題した論文をarXiv（番号：2606.12690）に提出し、身体知能エージェントの未知環境への適応能力を高める新しい閉ループオンライン適応アーキテクチャ「拡張世界行動モデル（EWAM）」を提案しました。本アーキテクチャは、事前学習済みで完全に凍結されたCosmos3バックボーンネットワークを基盤としており、推論時共推論メカニズムを通じてゼロショットタスク適応を実現します。この論文は2026年6月10日にXin Zhouらによって提出され、ロボティクスおよび人工知能の分野に焦点を当てています。
EWAMの核となるのは、4つの軽量ニューラルレイヤーから構成される推論時モジュールです。これらのレイヤーはCosmos3のフォワードパスに深く統合されています。ニューラル経験記憶層は拡散トランスフォーマー（DiT）の中間層に配置され、タスクに関連する実行コンテキストを提供し、モデルが過去の経験を活用できるようにします。ニューラル異常検出層は状態予測ヘッドの後段に位置し、予測状態と実際の環境状態との乖離をリアルタイムで監視し、実行中の異常を迅速に検出します。ニューラルポリシールーティング層は、異常の深刻度に基づいて、生成されたアクションを直接実行するか、計画を再考するために保守的な再計画を実行するか、以前の安定した状態にロールバックするかを動的に選択します。最後に、ニューラルアクション補正層は、実行中に収集された診断情報を使用して、生成されたアクションチャンクを洗練し、アクションの精度を向上させます。
単純な特徴量融合とは異なり、これらのモジュールはCosmos3の勾配流と微分可能な形で相互作用し、最終的なルーティング決定のみが離散的な教師あり信号を使用します。この設計により、バックボーンネットワークの微調整や追加のデモデータを必要とせずに、新しいタスクレイアウトに適応できます。実験は完全にゼロショットプロトコルの下で行われ、その結果、EWAMは新しい環境に適応するために必要なデプロイデータ量を大幅に削減できることが示されました。これは、ロボット操作やその他の身体知能タスクにおける大きな可能性を示しています。この研究は、リソース制約のある環境での効率的な適応への新しいアプローチを提供し、身体知能システムのより広範な実用化を促進することが期待されます。