AI・機械学習
上級
UniSim ユニバーサルシミュレーター（ユニシムユニバーサルシミュレーター）
UniSimはStanford/UCB/Googleが2023年に提案したテキスト・アクション条件付きインタラクティブ動画シミュレーター世界モデルで、現実世界の物理インタラクションをリアルタイム動画として生成しロボット政策訓練に利用できる。
0 回閲覧
0 いいね
2026/6/8 更新
関連タグ
世界モデル
ロボティクス
シミュレーション
動画生成
アクション条件付き
Stanford
UniSim ユニバーサルシミュレーター 完全ガイド
UniSim は「現実世界全体をシミュレートできる基盤モデル」という壮大なビジョンの初期実装として、ロボット AI 研究に新しい可能性を開いた。
従来の世界モデルとの根本的違い
| 比較軸 | 従来世界モデル（Dreamer/IRIS） | UniSim |
|---|---|---|
| 対象ドメイン | ゲーム環境（Atari等） | 現実世界の映像 |
| 制御入力 | ゲームアクション（上下左右等） | テキスト・ロボットアクション・手動操作 |
| 出力形式 | 潜在ベクトル or 低解像度ゲーム画面 | リアルタイム高品質動画 |
| 用途 | ゲーム AI 訓練 | ロボット政策訓練・現実シミュレーション |
アーキテクチャ
UniSim はビデオ拡散モデルを中核とし、以下の条件付き生成を実現する。
- テキスト条件: 「赤いボールを左に動かす」等の自然言語指示
- アクション条件: ロボットアームの関節角度・位置の時系列
- 映像継続: 前フレームの映像状態からの継続生成
拡散 Transformer（DiT 系）で各フレームを並列生成し、フレーム間一貫性を時間アテンションで維持する。
ロボット政策訓練への応用
UniSim の主要応用は Sim-to-Real 転移コスト削減 だ。
従来フロー:
実ロボット + 実環境 → デモデータ収集（高コスト）→ 模倣学習 → ロボット政策
UniSim フロー:
少量のデモ → UniSim で仮想デモ大量生成 → 模倣学習 → ロボット政策
実験では UniSim で生成した仮想訓練データで訓練したロボットが実環境タスクで有意な成功率を示した。
現実世界の物理インタラクション生成
UniSim が特に優れている物理現象:
- 物体把持: 手・グリッパーが物体に接触した際の形状変形
- 流体インタラクション: 液体を注ぐシーンのリアルな動き
- 素材変形: 柔らかい物体（布・スポンジ）の押し込み変形
- 屋外シーン: 歩行・走行時の地面・障害物インタラクション
限界と今後の方向性
- 長時間一貫性: 数十秒を超えると物理的整合性が低下
- 細かい操作精度: ミリ単位の精密操作シミュレーションは未達
- 計算コスト: リアルタイム生成にはハイエンド GPU が必要
- マルチオブジェクト複雑シーン: 多物体インタラクションで品質低下
Genie 2 や後続の大規模世界モデルはこれらの課題を引き継ぎながら解決を目指している。UniSim は「現実世界の基盤シミュレーター」というコンセプトを最初に具体化した先駆的研究として位置づけられる。