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

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

월드 모델은 환경 동역학의 간결하고 예측 가능한 표현을 학습하는 강력한 패러다임으로 부상했으며, 이를 통해 에이전트는 직접적인 경험을 넘어 추론, 계획 및 일반화가 가능합니다. 최근 월드 모델에 대한 관심이 높아지고 있지만, 대부분의 구현은 특정 논문에 국한되어 재사용성이 낮고, 버그 발생 위험이 높으며, 평가 표준화가 어렵다는 문제가 있습니다. 이러한 문제를 해결하기 위해, 우리는 모듈화되고, 테스트되었으며, 문서화된 월드 모델 연구 생태계인 stable-worldmodel (SWM)을 소개합니다. SWM은 효율적인 데이터 수집 도구, 표준화된 환경, 계획 알고리즘 및 기본 구현을 제공합니다. 또한, SWM의 각 환경은 시각적 및 물리적 속성과 같은 제어 가능한 변수 요소를 포함하여, 견고성 및 지속적인 학습 연구를 지원합니다. 마지막으로, 우리는 SWM을 사용하여 DINO-WM에서 제로샷 견고성을 연구함으로써 SWM의 유용성을 입증했습니다.

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.