stable-worldmodel-v1: 재현 가능한 월드 모델링 연구 및 평가

stable-worldmodel-v1: Reproducible World Modeling Research and Evaluation

월드 모델(World Models)은 환경의 동적 특성에 대해 간결하고 예측 가능한 표현을 학습하여, 에이전트가 직접적인 경험을 넘어 추론, 계획 및 일반화를 수행할 수 있게 하는 강력한 패러다임으로 부상했습니다. 월드 모델에 대한 최근의 관심에도 불구하고, 공개된 대부분의 구현체는 특정 논문에 종속되어 있어 재사용성이 크게 제한되고, 버그 발생 위험이 높으며, 평가 표준화를 저해하고 있습니다. 이러한 문제를 해결하기 위해, 우리는 효율적인 데이터 수집 도구, 표준화된 환경, 계획 알고리즘 및 베이스라인 구현을 제공하는 모듈화되고, 검증되었으며, 문서화된 월드 모델 연구 생태계인 stable-worldmodel(SWM)을 소개합니다. 또한, SWM의 각 환경은 강건성 및 지속적 학습 연구를 지원하기 위해 시각적 및 물리적 속성을 포함한 다양한 변동 요인을 제어할 수 있는 기능을 제공합니다. 마지막으로, 우리는 DINO-WM의 제로샷(zero-shot) 강건성을 연구하는 데 SWM을 활용함으로써 그 유용성을 입증합니다.

World Models have emerged as a powerful paradigm for learning compact, predictive representations of environment dynamics, enabling agents to reason, plan, and generalize beyond direct experience. Despite recent interest in World Models, most available implementations remain publication-specific, severely limiting their reusability, increasing the risk of bugs, and reducing evaluation standardization. To mitigate these issues, we introduce stable-worldmodel (SWM), a modular, tested, and documented world-model research ecosystem that provides efficient data-collection tools, standardized environments, planning algorithms, and baseline implementations. In addition, each environment in SWM enables controllable factors of variation, including visual and physical properties, to support robustness and continual learning research. Finally, we demonstrate the utility of SWM by using it to study zero-shot robustness in DINO-WM.