この記事には広告(Amazon アソシエイトのリンク)を含みます。
先に書いておくと、この記事は AI の Claude を使って書いています。今回取り上げるのは別の会社や大学のモデルの話ですが、AI がどこまでできるかを扱う記事ですので、その点はお含みおきください。
国際宇宙ステーション(ISS)に補給船や有人カプセルが近づいてドッキングするとき、最後の数百メートルはいまも人の目と、何十年もかけて磨かれてきた制御の手順で支えられています。位置と速度の推定にはカルマンフィルタ(センサーの値を少しずつ補正していく計算法)を使い、カメラの画像から標的の位置を読み取り、決められた進入経路を決められた速さでなぞる。信頼性は高い半面、ステーションの反対側にある別のポートへ行くとなると、手順の多くを組み直すことになります。
スタンフォード大学のダンカン・エディさんとマイケル・コッヘンダーファーさんのチームが2026年9月に公開した査読前の論文(プレプリント)は、ここに「世界モデル」という考え方を持ち込みました。カプセルに宇宙空間での自分の動きとカメラに映る景色の変わり方を丸ごと学ばせ、進む前に「こう動いたらどうなるか」を頭の中で何通りも試させてから、いちばん良さそうな一手を選ばせる。チームはこのモデルに Out-of-this-World-Model という名前を付けています。シミュレーションの中での話ですが、結果には意外な一面がありました。

進む前に試す、何通りもの未来
世界モデルとは、AI が「自分が何かをしたら世界はどう変わるか」を学んだ内部のモデルのことです。ゲームの画面を見て次の画面を予測する研究から広まった考え方で、ロボットの分野でも使われ始めています。今回のモデルは、カプセルの位置・速度・姿勢といった数値と、先端に付けたカメラの画像を一緒に取り込み、スラスター(姿勢制御用の小さなロケット)をこう噴射したら数秒後にどこにいて、何が見えているかを予測します。中身は言語モデルと同じトランスフォーマーという仕組みで、学習するパラメータは約640万個。画像生成で使われる大きなモデルと比べると、ごく小さなものです。
この予測機能を使って、カプセルはこう動きます。いまの状態から128通りの操作の候補を頭の中で64ステップぶん先まで走らせ、ポートに近づけてステーションにぶつからない候補を重視して平均を取り、最初の8ステップだけ実行する。そしてまた128通りを試す。この繰り返しで、ポートまでにじり寄っていきます。報道が「宇宙機に夢を見させる」と表現したのは、この「頭の中で未来を走らせる」部分のことです。論文自身は「実行する前に行動の結果を考える宇宙機への一歩」と書いています。
もうひとつ、このモデルには予測に「自信の度合い」が付いてきます。未来の景色を1枚に決めるのではなく、ばらつきを持った分布として出すので、予測と実際の景色が食い違えば「自分の知らないことが起きている」と分かる仕組みです。この性質が、あとで思わぬ使い道を見せます。
6時間で作った50万回ぶんの飛行記録
世界モデルの弱点は、学習に大量の「やってみた記録」が要ることです。宇宙機の場合、本物で集めるわけにはいきません。そこでチームは AstroJAX という軌道計算のライブラリを自作しました。重力、大気の抵抗、太陽や月の引力、太陽光の圧力、姿勢の回転といった宇宙機の力学を、GPU の上で何本も並列に計算できるように書き直したものです。ステーションの模型は NASA の3Dモデルをもとにした2015年2〜5月の構成で、カプセルの先端には視野82度のカメラが付き、地球や星空、太陽の向きまで含めた景色が毎秒20コマで描かれます。
カプセルの想定はドラゴン級で、質量は12トン。ステーションから100〜225メートル離れた位置から始め、制限時間は360秒。ステーションの構造物は313個の箱で囲んで「立入禁止区域」とし、750メートル以上離れたら「逃げた」と見なして終了です。この環境で、でたらめに動く・周りを回る・ポートに向かうという3種類の操作を混ぜて50万回ぶんの状態の記録を作るのに、1枚の GPU(NVIDIA H100)で約6時間。そのデータでモデルを学習させるのに約24時間でした。
学習に使ったポートは、ハーモニーの前方と下側、ズヴェズダの後方、ピアースの下側、ラスヴェットの下側の5か所です。残りの3か所、ハーモニーの上側、ポイスクの上側、ユニティの下側は、学習の記録に一度も出てきません。「見たことのないポートに行けるか」を試すために、わざと残してあります。

比較相手は、2,500万回練習した強化学習
比べたのは、強化学習(うまくいったら報酬を与えて行動を覚えさせる方法)の代表的な手法 PPO です。こちらは同じシミュレーターの中で32本の環境を並列に走らせ、合計2,500万ステップぶんの試行錯誤をさせています。世界モデル側の学習データが50万回ぶんですから、経験の量では50倍の差があります。強化学習の側には、ドッキングの報酬がうまく届くように制御の頻度を落とし、立入禁止区域を少し緩め、近づくほど報酬が増える項を足すといった調整もしてあります。論文は、比較の相手がこの一手法だけであることを明記しています。
判定はポートごとに50回ずつ試し、ポートの1メートル以内に来て、しかも一度も構造物に触れなければ成功としました。ここで差が出ます。学習に使った5つのポートで、世界モデルの成功率は61%、強化学習は36%。内訳を見ると、世界モデルはハーモニー前方に76%、ズヴェズダ後方に70%の確率で届いたのに対し、強化学習はこの2つでは手前10〜12メートルで止まってしまい、一度も届きませんでした。その代わり強化学習は、下向きの3つのポートには68%、60%、52%で届いています。
見たことのないポートで逃げた強化学習
いちばんの違いは、学習に出てこなかった3つのポートで現れました。世界モデルは、目標のポートの位置と向きを与えられただけで、ユニティ下側に48%、ポイスク上側に42%、ハーモニー上側に30%の確率で届きました。強化学習が届いたのはユニティ下側だけ(50%)で、上向きの2つのポートには一度も届いていません。ユニティ下側は、学習したピアースやラスヴェットと同じく下から近づくポートなので「見たことのある形」の範囲に入ります。上向きのポートは、学習したどのポートとも進入の形が違いました。
届かなかったときに何が起きていたかを見ると、さらにはっきりします。強化学習のカプセルは、上向きの2つのポートでは88%の試行で750メートルの範囲の外へ出ていきました。近づく前に離れてしまったのです。世界モデルのカプセルは、8つのポートすべてで一度も範囲の外へ出ていません。全体の成績を8ポートで合わせると、世界モデルが53%、強化学習が29%。学習に出てこなかったポートだけなら40%対17%で、2倍以上になりました。
この結果を、チームはこう読んでいます。強化学習は「練習した場面に似ているとき」だけ別の場面に応用が利く。世界モデルは、ステーションの周りでの動きと景色の変わり方そのものを学んでいるので、向けられたポートがどこであっても、とりあえず近づいていける。
まだ雑な着き方
ここで、成績を甘く読まないための数字も書いておきます。世界モデルの衝突率は、強化学習より高いのです。学習したポートで39%(強化学習は35%)、見たことのないポートでは60%(同36%)。ただしこの比較には裏があって、強化学習は上向きポートでは近づく前に逃げているので、衝突のしようがありません。世界モデルは毎回、構造物が込み入った場所へ突っ込んでいって、その結果としてぶつかっている。チームはそう説明しています。
もうひとつ、本物のドッキングには位置だけでなく、速さと向きの条件があります。ポートから10センチ以内、速さは秒速0.5メートル以下、向きのずれは5度以内、回転は毎秒0.5度以下。この厳しい条件で数えると、順位が入れ替わります。1メートル以内で全条件を満たしたのは、強化学習が36%、世界モデルが13%。10センチ以内では11%対3%です。世界モデルはポートに届きはするものの、向きと回転が整わないまま着いてしまう。強化学習は遅いぶん、きちんと正対して着く。
チームはこの差を、手法の限界というより調整の量の差だと見ています。強化学習の報酬は何度も学習をやり直して「ゆっくり、正対して着く」ように作り込まれているのに対し、世界モデル側のコスト(何を重視して候補を選ぶか)はほとんど調整しておらず、ぶつからないことを優先して、向きの整えは後回しになっている。終わり際の向きと回転の重みを調整すれば改善するはずだ、というのが論文の見立てで、まだ確かめられてはいません。
見たことのない先客への気づき
最後に、冒頭で触れた「自信の度合い」の使い道です。チームは、目標のポートのすぐそばに、学習データには一度も登場しなかった別のドラゴン宇宙船が先にドッキングしている場面を用意しました。世界モデルは、学習した範囲では「そこには何もない」と予測しますから、近づくにつれて予測と実際の景色が食い違い、予測の確からしさを示す値が下がっていきます。この値にしきい値を置くと、先客がいる20回の接近と、いない25回の接近を98%の正確さで見分けられました。

異常を検知するために別の仕組みを足したのではなく、ドッキングのために学んだ予測がそのまま「何かおかしい」の信号になっている。チームは今後、この値が下がったら接近を緩める、といった形で衝突を減らすことや、ほかの人工衛星の「いつもと違う動き」の検出に応用することを挙げています。
本物の宇宙機までの距離
念のため繰り返すと、これはすべてシミュレーションの中の結果で、論文は査読前です(2026年の AMOS 会議で発表され、環境とモデルのコードは公開されています)。成功率は最も良い条件でも6割ほどで、厳しい条件では1割に届きません。人が乗るカプセルに任せられる段階ではなく、論文もそこは主張していません。
それでも、50万回ぶんの記録から学んだ640万パラメータのモデルが、見たことのないポートにも向かっていき、一度も逃げず、見たことのない先客に気づいた、というのは小さな話ではないと思います。軌道上で衛星の点検や燃料補給、使い終わった衛星の回収をする計画は増えていて、相手が毎回違う形をしている場面では、決まった手順を組み直すより「周りの世界を学ばせる」ほうが向いているかもしれない。その可能性を、数字つきで示した研究でした。
関連する商品
この記事に関連する本や商品は、Amazon で探せます。
上のリンクから購入されると、このブログに紹介料が入ることがあります。
出典
- Eddy, D., Ward, I. R., Kim, G. R., Kochenderfer, M. J. (2026). GPU-Accelerated Astrodynamics World Models for Spacecraft Rendezvous and Proximity Operations. arXiv:2609.03067(査読前のプレプリント、CC BY 4.0)。https://arxiv.org/abs/2609.03067
- Universe Today(2026年9月24日):Stanford Engineers Teach Spacecraft to “Dream” Their Way to the Space Station


コメント