디지털 트윈에서 월드 모델로: 모바일 엣지 범용 인텔리전스를 위한 기회, 과제 및 응용

From Digital Twins to World Models:Opportunities, Challenges, and Applications for Mobile Edge General Intelligence

6G 및 그 이상의 통신 시스템으로 빠르게 발전하면서, 네트워크 엣지에서 디지털 트윈과 월드 모델의 융합이 가속화되고 있습니다. 기존의 디지털 트윈은 물리 시스템의 고정밀 표현을 제공하며, 모니터링, 분석 및 오프라인 최적화를 지원합니다. 그러나 매우 동적인 엣지 환경에서는 디지털 트윈은 자율성, 적응성 및 확장성 측면에서 한계를 보입니다. 본 논문에서는 디지털 트윈에서 월드 모델로의 전환을 체계적으로 조사하고, 이것이 엣지 범용 인텔리전스(EGI)를 가능하게 하는 데 미치는 역할을 논의합니다. 먼저, 본 논문은 디지털 트윈과 월드 모델 간의 개념적 차이점을 명확히 하고, 물리학 기반의 중앙 집중식 시스템 중심 복제에서 데이터 기반의 분산형 에이전트 중심 내부 모델로의 전환을 강조합니다. 이러한 논의는 독자들이 이 전환이 네트워크 엣지에서 더욱 적응적이고 자율적이며 효율적인 인텔리전스를 어떻게 가능하게 하는지 명확하게 이해하도록 돕습니다. 본 논문은 월드 모델의 설계 원칙, 아키텍처 및 주요 구성 요소(인지, 잠재 상태 표현, 동역학 학습, 상상력 기반 계획 및 메모리)를 검토합니다. 또한, 무선 EGI 시스템에서 월드 모델과 디지털 트윈의 통합을 살펴보고, 통합 센서 및 통신, 의미 기반 통신, 지상-항공 네트워크 및 저고도 무선 네트워크에서의 새로운 응용 분야를 조사합니다. 마지막으로, 본 논문은 무선 및 엣지 컴퓨팅 환경에서 월드 모델 기반 엣지 인텔리전스 시스템을 설계하기 위한 체계적인 로드맵과 실질적인 통찰력을 제공합니다. 또한, 확장 가능하고 안정적이며 상호 운용 가능한 엣지-네이티브 에이전트 AI를 위한 주요 연구 과제와 미래 방향을 제시합니다.

The rapid evolution toward 6G and beyond communication systems is accelerating the convergence of digital twins and world models at the network edge. Traditional digital twins provide high-fidelity representations of physical systems and support monitoring, analysis, and offline optimization. However, in highly dynamic edge environments, they face limitations in autonomy, adaptability, and scalability. This paper presents a systematic survey of the transition from digital twins to world models and discusses its role in enabling edge general intelligence (EGI). First, the paper clarifies the conceptual differences between digital twins and world models and highlights the shift from physics-based, centralized, and system-centric replicas to data-driven, decentralized, and agent-centric internal models. This discussion helps readers gain a clear understanding of how this transition enables more adaptive, autonomous, and resource-efficient intelligence at the network edge. The paper reviews the design principles, architectures, and key components of world models, including perception, latent state representation, dynamics learning, imagination-based planning, and memory. In addition, it examines the integration of world models and digital twins in wireless EGI systems and surveys emerging applications in integrated sensing and communications, semantic communication, air-ground networks, and low-altitude wireless networks. Finally, this survey provides a systematic roadmap and practical insights for designing world-model-driven edge intelligence systems in wireless and edge computing environments. It also outlines key research challenges and future directions toward scalable, reliable, and interoperable world models for edge-native agentic AI.