Riemann Dynamics、方策と世界シミュレータを1つの因果自己回帰モデルに統合した「Riemann-1.0」 一人称動画20万時間超で事前学習

Riemann Dynamicsは、ロボット操作向けのWorld Action Model「Riemann-1.0」を論文とサイトで公開した。多視点の視覚観測、ロボット状態、身体（embodiment）ごとに異なる行動を1本の因果系列として扱う完全因果の自己回帰Transformerで、flow matchingを目的関数に組み合わせる。同じモデルが実行可能な方策として動くと同時に、行動を条件とした映像の世界シミュレータとしても振る舞う点が設計の中心で、NVIDIAが提唱した「VLAからWAMへ」の流れに沿った実装の一つになる。

学習データは一人称の人間動画20万時間超、手持ちグリッパのデモ1.2万時間超、異種ロボット軌道2万時間超（生データで計23.2万時間超）。ラベル無し映像で視覚動力学を学ぶ段階、混合の行動監督で軌道に接地する段階、ロボット別に方策を強化する段階の3段で段階的に事前学習する。シミュレーションではLIBERO 99.0%、RoboTwin 2.0 94.3%、RoboCasa-365 62.6%（従来比+8.4ポイント）。実機ではデスク整理80%、衣類折り85%、キューブ積み85%、キッチン90%で、長時間タスク全体の成功率85.0%・進捗成功率94.4%はDreamZero・π0.5・LingBot-VLA等の最良ベースラインを15ポイント上回る。モデル規模とコード・重みの公開は明記されていない。