VLA ギャラリー / モデル一覧 / 2026年の新モデル

1X World Model (1XWM) 정책

1X Technologies · 2026-01

기타2026年の新モデル動画バックボーン14B動画world model

世界モデルが生成した動画フレーム間のアクションをIDMが抽出する動画生成ベースの方策である。

論文

論文なし · 関連 1X World Model: Evaluating Bits, not Atoms

概要

分類

2026年の新モデル

タイプ

기타

発表

2026-01

機関

1X Technologies

重み公開

なし

パラメータ

動画バックボーン14B; IDM・総計は非公開

構造

バックボーンLLM

なし (動画拡散バックボーン)

ビジョンエンコーダ

—

アクションヘッド

逆動力学モデル (IDM) (動画world model)

チャンク

非公開

制御周期

非公開

構造の原文要約

14Bのテキスト条件付き生成型動画拡散バックボーン + 逆ダイナミクスモデル(IDM: Depth Anythingバックボーン + フローマッチングヘッド、8フレームのスライディングウィンドウ)

学習

事前学習アクセラレータ

非公開

事前学習期間

非公開

事前学習ステップ・バッチ

非公開

GPU・TPU時間

非公開

ファインチューニング

非公開 (NEOロボットデータ70時間でエンボディメントファインチューニング)

データ種類

Web視覚言語(テキスト条件付きWeb動画) + 人の動画(一人称) + 実ロボット(NEOログ)

データ規模

一人称の人間動画900時間; NEOロボット70時間; IDM用の非フィルタロボット400時間; Web動画は規模非公開

主要データセット

社内の一人称動画、NEOセンサー運動ログ

タスク・評価

タスクあたり30回: 分布内のチップス掴み約100%・じょうろ約80%、分布外のシリアル注ぎ0%・描画0%

ロボット

1X NEO

推論

推論デバイス・速度

5秒動画生成 約11 s + IDM 約1 s、マルチGPU推論

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

マルチGPUサーバー

強化学習・ベース

強化学習

不使用 · Web動画による事前学習 → 人の一人称動画による中間学習 → NEOログによるファインチューニング(教師あり学習)。自己経験からの学習は今後の目標

強化学習の根拠

https://www.1x.tech/discover/world-model-self-learning

ベース制御

固定 · 歩行・移動の言及なし (IDMが生成動画から行動軌跡を抽出、両手操作タスク)

備考

主な特徴

世界モデルが生成した動画フレーム間のアクションをIDMが抽出する動画生成ベースの方策である。best-of-8の並列生成でティッシュ引き出しの成功率を30%から45%に高めた。

備考

1X 2026-01-12、TechCrunch 2026-01-13(二次情報)。データ時間(h)は単一項目の最大値(一人称動画900時間)。バックボーンがTransformerかは非公開(ノートは比較用に分類)。事後学習混合の98.5%がピック・アンド・プレース。

検証

確認