動画生成AIのRunway、ロボット制御AI「Praxis-1」をオープンソース公開　270億パラメータモデルの物理応用

結論：生成AIの技術基盤が「画面内」から「物理世界」の制御へと拡張

生成AI分野を牽引するRunwayが、動画の事前学習を実際のロボットの制御に変換するオープンウェイトワールドアクションモデル「Praxis-1」を発表・公開しました。従来の映像生成にとどまらず、AIが現実世界の物理挙動を理解し、実際にロボットを動かすステップへと踏み出した点で画期的な発表となります。

何が発表されたのか：動画学習をロボット制御へ応用する「Praxis-1」

今回公開された「Praxis-1」は、大規模な動画データセットによる事前学習を活用して、物理空間での行動・制御命令を生成する「ワールドアクションモデル」です。

これまで動画生成AIは、画面上の画素の変化を予測・生成することに長けていましたが、Praxis-1はこの能力を応用し、「物体がどのように動き、それにどう作用すべきか」という現実世界の法則をロボットの動作制御へと変換します。

確認済みの仕様と特徴

発表された情報をもとに、Praxis-1の技術的スペックと提供環境について整理します。

270億パラメータ規模の基盤モデル：Praxis-1は、270億個のパラメータを持つRunwayの動画基盤モデルをベースにして構築されています。
商用利用が可能なオープンウェイト：モデルの重みは、Hugging FaceにおいてApache License 2.0の下でオープンウェイトとして公開されています。これにより、研究者や開発者が自由にダウンロードして利用・改変が可能です。
ベンチマークでの高い成績：NVIDIAのRoboLab-120リーダーボードにおいて、世界行動モデルおよびオープンソースロボット基盤モデルの中で最高の成績を収めたと報告されています。
ローカル実行への配慮：NVIDIA GeForce 5090で実行可能なNVFP4量子化モデルも用意されており、ハードウェア要件を下げた実行が可能な設計となっています。

なぜ重要か：オープンソース化が加速するロボティクス研究

これまでロボットの制御AI開発には、膨大な実機での試行錯誤データや専用のシミュレータ環境が必要とされ、開発コストや参入障壁が非常に高い分野でした。しかし、膨大な動画データから世界の仕組みを学んだ動画生成AIの知見をそのままロボットの行動予測に流用できることが示された意義は大きいです。

さらに、270億パラメータという大規模なモデルがApache License 2.0という寛容なライセンスで提供されたことにより、研究者や開発者が自前で最新の制御モデルを導入・実験できるようになります。NVIDIA GeForce 5090で実行可能なNVFP4量子化モデルの提供も、研究開発のハードルを下げる主要因となります。

利用者の懸念点・今後の未確定要素

一方で、実際の現場導入にあたっては現時点で検証が不十分な側面もあります。

実用現場での安全性と信頼性：デジタル空間での評価成績（リーダーボード）が高くても、多様なノイズや予期せぬトラブルが存在する現実世界の工場や家庭でどの程度安全に動作するかは、今後の実証実験を待つ必要があります。
対応機器・ハードウェア適合性：発表された性能評価は特定のベンチマーク環境によるものであり、あらゆる形式のロボットアームや移動型ロボットで即座に同等の性能が発揮できるかは確定していません。