World Dreamer v5‑liteは、複数のロボットがそれぞれ別々の行動列を予測しつつ、複数カメラの観測を統合する世界行動モデルである。各ロボットは、ワークスペース座標にキャリブレーションされた映像特徴量で構成される固定サイズの共有状態 φ を読み取り、行動列を個別に生成する。さらに、Vision‑Language‑Model で得られるシーンコンテキストを用い、各クエリが他ロボットの姿勢情報を交換することで協調を促進する。

トレーニング時には、マスクビュー方式を採用し、画像と歴史情報を同時に隠すが、全てのロボットに対して正しい行動目標は保持する。これにより、あるロボットがカメラを見えない場合でも、他ロボットの情報を利用して行動を推定できるようになる。

ベンチマーク結果では、RoboFactory で平均成功率 74.0 % を達成し、強力なベースライン π0.5 を 23.7 パーセントポイント上回った。さらに、4 作業ロボットタスクで平均 78.8 % の成功率を記録し、π0.5 を 13.8 パーセントポイント上回った。RoboCasa365 では 58.08 % の成功率を達成し、最高スコア PatchWAM を 10.48 パーセントポイント上回った。