動くボールを見ると、少し先の位置を想像できる。ロボットにとっては、映像だけでなく物の立体的な動きを予測する必要がある。10月29日に発表されたWorldFlowは、未来の映像^[1]と、選んだ点の3次元の動き^[2]を同時に予測する研究モデルだ。

研究チームは現実とシミュレーションから144万件の物体データで学習し、11の情報源から1678件を集めたWorldFlowBenchで評価した。SpatialCogでは平均変位誤差が0.060メートルとなり、著者の比較では最も強い外部手法より54.2%小さかった。

ただし、動きを予想できても、ロボットが必ず安全に物をつかめるわけではない。実際の利用には計算速度、カメラの精度、思いがけない状況での動作を確かめる必要がある。