AIで動画を作るサービスで知られる米Runwayが、ロボットを動かすためのAIモデルを誰でも使える形で公開した。ガジェット系メディアのThe Gadgeteerは11月16日、Runwayが「Praxis-1」の重みと、動かすためのコード、追加学習用のコードを公開したと報じた。ライセンスはApache 2.0で、商用利用も認められている。
「先の動画」を想像しながらロボットを動かす
Praxis-1は、Runwayが9月に初めて披露した同社初の「ワールドアクションモデル」だ。もともとは大量の動画で学習した動画モデルで、これまでに3社が自社のロボットで試してきた。Noble Machinesは脚で歩く人型ロボット、Standard Botsは6軸の産業用アーム、Ultraは倉庫で働く双腕ロボットに載せている。
使い方はこうだ。ロボットに指示文、最新のカメラ画像、今の姿勢を渡すと、モデルは少し先の映像を予測すると同時に、1.6秒分の動き(毎秒15回×24行の動作データ)を返す。ロボットはその動きを実行し、カメラで見た結果を送って次の指示を求める、という流れを繰り返す。RunwayによるとH100を1台積んだサーバーで1回の処理は約0.55〜0.6秒。重みは運用者自身の機械に置くので、外部のクラウドサービスとの往復を待つ必要がない。
272億パラメーター、自社評価で首位
中身は、専門家を切り替えて使う「混合エキスパート(MoE)」型の拡散トランスフォーマーで、動画部分が269億パラメーター(1回に動くのは約28億)、動作を決める部分が約3.14億パラメーター。合計272億パラメーター、bf16形式で54.4GBになり、80GBのメモリーを持つGPU1枚で動くという。
ロボットの作業評価「RoboLab-120」の1,200回の試行では、成功率46.2%で、FLUX 3 Actionの42.9%、Cosmos3 Nanoの36.8%、π0.5の28.0%を上回ったとRunwayは報告している。ただし表の数値はすべてRunway自身の報告による。学習データに含まれていなかったGoogleのロボット「RT-1」向けに追加学習した場合も、成功率80.0%と元のRT-1の52.4%を上回った。80GBのGPUは家庭用ではなくデータセンター向けだが、企業や研究室が自前の設備でロボット用AIを動かせる選択肢が広がる。オープンなAIではBaiduもERNIE 5.5 Flashの重み公開を予定している。












