ActSWM: 행동 민감적 세계 모델 - 오픈 월드 게임에서의 장기 계획 수립을 위한 방법

ActSWM: Action-Sensitive World Models for Long-Horizon Planning in Open-World Games

잠재 공간에서 미래 제어 시퀀스를 최적화하고, 일정 기간마다 재계획하는 모델 예측 제어를 지원하는 잠재 세계 모델은 효율성을 제공합니다. 그러나 기존의 잠재 예측기는 종종 안정적인 장기 예측 능력이 부족하며, 예측 정확도만으로는 계획된 행동에 대한 반응성을 보장할 수 없습니다. 본 연구에서는 '맥락 붕괴(Context Collapse)'라는 문제를 지적하는데, 이는 자기회귀 방식의 잠재 예측기가 미래 상태와 높은 유사성을 유지하면서 다양한 행동 시퀀스 하에서 거의 구별 불가능한 미래를 생성하는 현상입니다. 이 문제를 해결하기 위해, 우리는 계획에 유용한 잠재 역학 모델이 대체 행동 기반의 미래들을 구별 가능하게 하고, 각 로컬 전환과 관련된 행동을 복구할 수 있도록 하는 '전환 분리 원칙'에 기반한 행동 민감적 잠재 세계 모델인 ActSWM을 제안합니다. 이 원칙 하에서, 행동 민감성은 단순히 보조 예측 목표로 취급되는 것이 아니라, 잠재 시뮬레이션의 제약 조건으로 적용되어, 예측된 미래가 장기적으로 행동 의존적인 차이점을 유지하도록 유도합니다. 실험 결과, ActSWM은 기존 방법보다 더 큰 행동 의존적 시뮬레이션 간격을 유지하며, Minecraft 환경에서의 장기 계획 수립에서 작업 성공률을 향상시키고, 오프라인 게임 영상으로부터 세계 모델 기반의 행동 복구를 가능하게 합니다.

Latent world models support efficient model-predictive control by optimizing future control sequences in latent space and replanning in a receding-horizon manner. However, existing latent predictors often lack stable long-horizon rollout ability, and prediction accuracy alone does not ensure that rollouts remain responsive to the actions being planned. We identify Context Collapse, a failure mode in which autoregressive latent predictors maintain high similarity to future states while producing nearly indistinguishable futures under different action sequences. To address this issue, we propose ActSWM, an action-sensitive latent world model grounded in a transition-separation principle: a planning-useful latent dynamics model should keep alternative-action futures distinguishable and make the action associated with each local transition recoverable. Under this principle, action sensitivity is enforced as a constraint on latent rollouts rather than treated only as an auxiliary prediction target, encouraging predicted futures to preserve action-dependent differences over long horizons. Across step-drift analysis, closed-loop Minecraft planning, and cross-game local action recovery, ActSWM preserves larger action-dependent rollout gaps than existing baselines, improves task success in long-horizon interactive settings, and enables world-model-based action recovery from offline gameplay videos.