SCAR：自己教師あり連続行動表現学習
SCARは、視覚的な遷移から異なる身体間で統一された行動表現を学習するための自己教師ありフレームワークを提案する。事前学習済み生成バックボーン、逆動力学モデル、順動力学モデルを活用し、ガウス事前分布による正則化と敵対的不変性により転送可能性を高める。実験では、この行動表現が身体固有の生の行動よりも優れており、低データ環境での異なる身体への適応やタスク間転送を改善する。
香港大学などの研究チームは、自己教師あり連続行動表現学習（SCAR）と呼ばれる新しいフレームワークを提案しました。この研究（arXiv:2605.16412）は、2026年5月13日に提出され、視覚的な遷移から異なる身体（エンボディメント）間で共有可能な行動表現を学習することで、データが限られた状況でも世界モデルが汎化できるようにすることを目的としています。
従来の世界モデルでは、行動は単なる条件付け信号として扱われることが多かったですが、SCARは行動を独立した表現因子と見なし、制御可能な変化を身体固有の動作から切り離します。このフレームワークは、事前学習済みの生成バックボーン上に構築され、逆動力学モデル（IDM）が潜在的な観測ペアから潜在行動を推論し、順動力学モデル（FDM）がそれに基づいて将来のダイナミクスを予測します。
潜在空間の転送可能性を確保するため、SCARは2つの正則化手法を導入しています。第1に、潜在行動の事後分布を標準ガウス事前分布に近づけることで、恣意的な視覚エンコーディングを制限します。第2に、敵対的不変性により、身体や環境に固有のノイズ要因を抑制します。これにより、SCARは異なる身体間で共有される「制御可能な変化」の本質を捉えた行動表現を学習します。
ProcgenおよびRobotwinデータセットを用いた実験では、SCARが学習した統一的な潜在行動表現が、身体固有の生の行動よりも優れた条件付けインターフェースとして機能することが示されました。Procgenは多様なゲーム環境を含み、タスク間転送をテストするために使用され、Robotwinはロボット操作シナリオに焦点を当てています。特に、少ないデモデータで新しいロボット形態に迅速に適応できることが確認されました。これらの結果は、行動が身体を超えた共有表現として学習可能であり、より転送可能で汎化性の高い世界モデルを構築するためのインターフェースを提供することを示唆しています。