월드 모델의 정의 및 로드맵

A Definition and Roadmap for World Models

월드 모델은 환경의 구조와 역학을 학습하는 내부 시뮬레이터로서, 인공지능 분야에서 가장 활발하게 논의되는 개념 중 하나입니다. 모델 기반 강화 학습, 비디오 생성부터 로봇 공학, 궁극적으로는 물리적 AI에 이르기까지, 다양한 인공지능 분야의 연구자들이 '월드 모델'이라고 부르는 시스템을 구축하고 있지만, 월드 모델이 근본적으로 무엇인지, 무엇을 예측해야 하는지, 그리고 어떻게 구축되어야 하는지에 대한 합의는 아직 없습니다. 본 논문은 월드 모델에 대한 과학적 정의를 제시하고, 주요 기술적인 측면에 대해 논하며, 효과적인 월드 모델 개발을 위한 단계별 로드맵을 제공합니다.

World models -- internal simulators that learn the structure and dynamics of an environment -- have become one of the most actively debated concepts in AI. From model-based reinforcement learning and video generation to embodied robotics and ultimately, physical AI, researchers across AI subfields are building systems that they call "world models", yet there is no consensus on what a world model fundamentally is, what it should predict, or how it should be built. This perspective article provides a scientific definition of world models, discussions of their key technical aspects, and a staged roadmap for developing effective world models.