W0は何を目指すモデルか

上海人工知能実験室（Shanghai AI Laboratory）のIntern Physical World Model W0は、AIが立てたデジタル上の計画を、接触を伴う現実のロボット作業へつなぐことを狙うシステムとして報じられている。発表は2026年9月13〜14日ごろ。視覚に加え、力覚、触覚、ロボットの身体状態を扱い、ロボットが作業中に知覚・予測・行動・修正を行えるようにする設計だという。3235

ロボット作業では、対象物がカメラに映っているかどうかだけで成否は決まらない。容器を押した際の抵抗、把持した物体の滑り、工具が表面に触れた瞬間、材料の想定外の振る舞いなど、決定的な情報が接触の中にあるからだ。W0は、こうした場面を対象にした「世界モデル」と行動系の組み合わせとして提示されている。

報道・発表内容によれば、W0は次の要素を統合する。

• 視覚：対象物、器具、作業空間の観察
• 力覚・触覚信号：接触や抵抗の検出
• ロボットの身体状態：姿勢や運動状態など、操作判断に必要な情報
• 予測：次に起こり得る物理状態の見通し
• 行動と修正：新たなマルチモーダル情報に応じた操作の更新 3235

狙いは、視覚だけで作った固定計画を実行するのではなく、接触状況の変化に応じて次の動きを変える、より密な制御ループだ。繊細な物体の取り扱い、差し込み、混合、容器操作など、カメラ映像だけでは重要な状態を捉えにくい作業で意味を持つ。

「ネイティブ力触覚」とは何か

上海AI Labの発表では、W0の特徴の一つを**「ネイティブ力触覚」**としている。実務的に言えば、力・触覚を、計画後に作動する独立した安全アラームではなく、視覚や身体状態と並ぶ操作判断の入力として扱う考え方である。35

たとえば、予期しない抵抗、接触力の変化、把持の滑りは、映像からだけでは確実に推定しにくい。こうした信号を受けて、ロボットが次の動作を変えることを想定する。接触の多い操作について、視覚と接触の将来状態を共同でモデル化する「触覚ネイティブ」の世界・行動モデルという研究方向自体は、すでに広がっている。33

ただし、W0について公開されているのは現時点で発表・報道が中心で、技術論文の全容、データセット、再現可能なベンチマークは示されていない。そのため「ネイティブ」という表現は、現段階では報告された設計・能力の説明として受け取るべきであり、外部から完全に監査できる実装上の主張とは区別する必要がある。

予測と即時制御を並行する「双方向協調」

W0のもう一つの柱が、非同期・異周波アーキテクチャによる**双方向協調（duplex collaboration）**だという。35

分かりやすく言い換えると、次の二つの処理を同時に進める構成と考えられる。

1. 予測・計画の経路：作業の進行と近い将来の物理状態について、見通しを保ち、必要に応じて更新する。
2. 反応的な制御の経路：新たに入るセンサー情報を受け、より遅い計画処理の完了を待たずにモーター指令を修正する。

接触作業では、計画にはある程度長い時間軸が必要である一方、接触制御には素早い反応が求められる。異なる時間尺度で両者を走らせることで、環境変化から修正動作までの遅れを短くする狙いがある。35

NCP-ArchPreviewとは何が違うのか

「協調」という言葉から混同しやすいが、上海AI Labが上海交通大学LUMIA Labと手がけるNCP-ArchPreviewは、W0とは根本的に対象が異なる。

システム	主な領域	統合するもの	出力
Intern W0	物理ロボティクス	視覚、力覚、触覚、ロボット状態、予測、制御	実世界の動作と状態予測の更新
NCP-ArchPreview	言語モデル	次トークン予測とNext Concept Prediction	標準的な次トークン生成インターフェースを通じたテキスト生成

NCP-ArchPreviewは、通常の次トークン予測に加え、複数トークンにまたがる離散的な潜在「概念」を予測するNext Concept Predictionを学習する。概念予測はトークンデコーダを導くが、生成時のインターフェースは通常の言語モデルと同じ次トークン方式を維持する。1922

要するに、W0は物理世界に対する感覚運動の相互作用、NCP-ArchPreviewは潜在空間における言語表現の整理と予測を扱う。公開情報から、NCP-ArchPreviewがW0のコントローラー、あるいはW0の中核部品であるとは確認できない。

Intern InkStone・Intern-S2との関係

発表報道によれば、W0は科学発見プラットフォームIntern InkStoneと接続され、科学モデルIntern-S2と連携する。32 Intern-S2は、科学分野のマルチモーダル理解、推論、生成、長時間にわたるタスクを支援するエージェント型基盤モデル群として提示されている。12

報告内容からは、次のような閉ループ型の実験室運用が想定される。

• 科学AIが仮説、実験手順、実験条件の候補を考える。
• W0を介した実験装置が物理的な作業を実施し、実行状況を観測する。
• 得られた結果を次の実験案へ反映し、一度きりの固定スクリプトで終わらせない。 32

自律的な研究で難しい境界は、手順を作ることだけではない。実際の装置と材料を使い、フィードバックを受けながら確実に実行することにある。

報告されたウェット・ドライラボでの用途

発表報道は、W0、InkStone、Intern-S2の組み合わせが、次の閉ループ用途を支援したとしている。

• ゲノム編集タンパク質の指向性進化
• 局所麻酔薬メピバカインの多段階有機合成
• 製造中の工程条件を動的に調整することを含む、**脂質ナノ粒子（LNP）**の調製 3235

これらは適応的な自動化が有望な領域ではある。たとえばLNPは、処方と工程条件の影響を受ける。核酸を運ぶための主要な送達担体としても広く使われている。19

一方で、ここで挙げたW0の実証は開発側の報告に基づくものだ。公開情報には、具体的なプロトコル、エラー率、データセット、ラボ間比較、独立した再現実験は含まれていない。

注目点と、なお残る検証課題

W0の意義は、AIによる科学的推論と実験の物理的な実行の間をつなぐ自動化レイヤーになり得る点にある。異なる装置や研究室でも信頼性が示されれば、AIが立案した実験と、その実施に必要な実作業との引き渡しを小さくできる可能性がある。化学、生命科学、材料研究における設計・作製・試験・学習のサイクルを、より適応的にすることも期待される。32

最大の課題は汎化性能だ。接触を伴うロボット操作は、校正、センサーのドリフト、器具のばらつき、材料差、汚染管理、まれでも重大な失敗に左右される。現在の公開情報だけでは、複数のラボや装置、長時間の実験手順、独立した利用者の下での信頼性は確認できない。

現時点のW0は、科学実験を志向するフィジカルAIの注目すべき初期例と見るのが妥当だ。統合の構想と報告済みの実験室用途は大きな期待を抱かせる一方で、その実用性を広く認めるには、第三者による検証がなお必要である。

W0は何を目指すモデルか

上海人工知能実験室（Shanghai AI Laboratory）のIntern Physical World Model W0は、AIが立てたデジタル上の計画を、接触を伴う現実のロボット作業へつなぐことを狙うシステムとして報じられている。発表は2026年9月13〜14日ごろ。視覚に加え、力覚、触覚、ロボットの身体状態を扱い、ロボットが作業中に知覚・予測・行動・修正を行えるようにする設計だという。3235

ロボット作業では、対象物がカメラに映っているかどうかだけで成否は決まらない。容器を押した際の抵抗、把持した物体の滑り、工具が表面に触れた瞬間、材料の想定外の振る舞いなど、決定的な情報が接触の中にあるからだ。W0は、こうした場面を対象にした「世界モデル」と行動系の組み合わせとして提示されている。

報道・発表内容によれば、W0は次の要素を統合する。

• 視覚：対象物、器具、作業空間の観察
• 力覚・触覚信号：接触や抵抗の検出
• ロボットの身体状態：姿勢や運動状態など、操作判断に必要な情報
• 予測：次に起こり得る物理状態の見通し
• 行動と修正：新たなマルチモーダル情報に応じた操作の更新 3235

狙いは、視覚だけで作った固定計画を実行するのではなく、接触状況の変化に応じて次の動きを変える、より密な制御ループだ。繊細な物体の取り扱い、差し込み、混合、容器操作など、カメラ映像だけでは重要な状態を捉えにくい作業で意味を持つ。

「ネイティブ力触覚」とは何か

上海AI Labの発表では、W0の特徴の一つを**「ネイティブ力触覚」**としている。実務的に言えば、力・触覚を、計画後に作動する独立した安全アラームではなく、視覚や身体状態と並ぶ操作判断の入力として扱う考え方である。35

たとえば、予期しない抵抗、接触力の変化、把持の滑りは、映像からだけでは確実に推定しにくい。こうした信号を受けて、ロボットが次の動作を変えることを想定する。接触の多い操作について、視覚と接触の将来状態を共同でモデル化する「触覚ネイティブ」の世界・行動モデルという研究方向自体は、すでに広がっている。33

ただし、W0について公開されているのは現時点で発表・報道が中心で、技術論文の全容、データセット、再現可能なベンチマークは示されていない。そのため「ネイティブ」という表現は、現段階では報告された設計・能力の説明として受け取るべきであり、外部から完全に監査できる実装上の主張とは区別する必要がある。

予測と即時制御を並行する「双方向協調」

W0のもう一つの柱が、非同期・異周波アーキテクチャによる**双方向協調（duplex collaboration）**だという。35

分かりやすく言い換えると、次の二つの処理を同時に進める構成と考えられる。

1. 予測・計画の経路：作業の進行と近い将来の物理状態について、見通しを保ち、必要に応じて更新する。
2. 反応的な制御の経路：新たに入るセンサー情報を受け、より遅い計画処理の完了を待たずにモーター指令を修正する。

接触作業では、計画にはある程度長い時間軸が必要である一方、接触制御には素早い反応が求められる。異なる時間尺度で両者を走らせることで、環境変化から修正動作までの遅れを短くする狙いがある。35

NCP-ArchPreviewとは何が違うのか

「協調」という言葉から混同しやすいが、上海AI Labが上海交通大学LUMIA Labと手がけるNCP-ArchPreviewは、W0とは根本的に対象が異なる。

システム	主な領域	統合するもの	出力
Intern W0	物理ロボティクス	視覚、力覚、触覚、ロボット状態、予測、制御	実世界の動作と状態予測の更新
NCP-ArchPreview	言語モデル	次トークン予測とNext Concept Prediction	標準的な次トークン生成インターフェースを通じたテキスト生成

NCP-ArchPreviewは、通常の次トークン予測に加え、複数トークンにまたがる離散的な潜在「概念」を予測するNext Concept Predictionを学習する。概念予測はトークンデコーダを導くが、生成時のインターフェースは通常の言語モデルと同じ次トークン方式を維持する。1922

要するに、W0は物理世界に対する感覚運動の相互作用、NCP-ArchPreviewは潜在空間における言語表現の整理と予測を扱う。公開情報から、NCP-ArchPreviewがW0のコントローラー、あるいはW0の中核部品であるとは確認できない。

Intern InkStone・Intern-S2との関係

発表報道によれば、W0は科学発見プラットフォームIntern InkStoneと接続され、科学モデルIntern-S2と連携する。32 Intern-S2は、科学分野のマルチモーダル理解、推論、生成、長時間にわたるタスクを支援するエージェント型基盤モデル群として提示されている。12

報告内容からは、次のような閉ループ型の実験室運用が想定される。

• 科学AIが仮説、実験手順、実験条件の候補を考える。
• W0を介した実験装置が物理的な作業を実施し、実行状況を観測する。
• 得られた結果を次の実験案へ反映し、一度きりの固定スクリプトで終わらせない。 32

自律的な研究で難しい境界は、手順を作ることだけではない。実際の装置と材料を使い、フィードバックを受けながら確実に実行することにある。

報告されたウェット・ドライラボでの用途

発表報道は、W0、InkStone、Intern-S2の組み合わせが、次の閉ループ用途を支援したとしている。

• ゲノム編集タンパク質の指向性進化
• 局所麻酔薬メピバカインの多段階有機合成
• 製造中の工程条件を動的に調整することを含む、**脂質ナノ粒子（LNP）**の調製 3235

これらは適応的な自動化が有望な領域ではある。たとえばLNPは、処方と工程条件の影響を受ける。核酸を運ぶための主要な送達担体としても広く使われている。19

一方で、ここで挙げたW0の実証は開発側の報告に基づくものだ。公開情報には、具体的なプロトコル、エラー率、データセット、ラボ間比較、独立した再現実験は含まれていない。

注目点と、なお残る検証課題

W0の意義は、AIによる科学的推論と実験の物理的な実行の間をつなぐ自動化レイヤーになり得る点にある。異なる装置や研究室でも信頼性が示されれば、AIが立案した実験と、その実施に必要な実作業との引き渡しを小さくできる可能性がある。化学、生命科学、材料研究における設計・作製・試験・学習のサイクルを、より適応的にすることも期待される。32

最大の課題は汎化性能だ。接触を伴うロボット操作は、校正、センサーのドリフト、器具のばらつき、材料差、汚染管理、まれでも重大な失敗に左右される。現在の公開情報だけでは、複数のラボや装置、長時間の実験手順、独立した利用者の下での信頼性は確認できない。

現時点のW0は、科学実験を志向するフィジカルAIの注目すべき初期例と見るのが妥当だ。統合の構想と報告済みの実験室用途は大きな期待を抱かせる一方で、その実用性を広く認めるには、第三者による検証がなお必要である。