AI 연구연구 프리프린트
세계모델이 기억할 관계를 직접 지정…SpecWM 시각 조작 계획 성공률 높여
원문 읽기 · arxiv.org ↗(새 탭에서 열림)로봇 세계모델이 다음 관측을 예측하더라도 작업에 필요한 물체 상태를 잠재 표현에 남기는지는 별개다. SpecWM은 관측 쌍 사이에 보존할 관계를 목표 유사도 커널로 정의하고, 인코더 표현의 쌍별 유사도가 그 구조를 따르도록 학습한다.
연구 방법
- 목표 커널은 물리 상태·깊이·로봇 자기 상태 같은 별도 정보로 만들거나, 추가 레이블 없이 궤적 안 관측의 시간 순서로 만들 수 있다. 잠재 인코더는 커널 행렬의 구조를 맞추고 행동 조건 예측기는 다음 표현을 예측한다. 목표 관측과 예측된 미래 표현의 유사도로 후보 행동을 고르는 CEM 계획을 OGBench Cube·Scene과 CALVIN에서 시험했다.
평가 결과
- 시간 순서 커널의 계획 성공률은 비교 LeWorldModel 대비 OGBench Cube 52%→68%, Scene 49%→77%, CALVIN 29%→51%였다. 각 환경의 고정 100과제와 여러 체크포인트·시드 평균이다. 별도 선형 탐침에서는 표현에 물체 위치가 잘 드러나는 정도가 계획 성적과 항상 같이 움직이지 않아, 두 지표를 구분해야 했다.
적용 조건
- 이론적 커널 최적점과 방문 확률 연결은 지정된 조건에서 성립하며 실제 로봇 조작의 안전·일반화 보장은 아니다. 비교는 세 시각 조작 환경과 CEM 행동 계획에 집중하고, 훈련 자료에 실패 궤적도 보강했다. 긴 시간·새 대상과 물리 장치에서의 효과는 추가 검증이 필요하다.
함께 확인할 조건
- 이론적 커널 최적점과 방문 확률 연결은 지정된 조건에서 성립하며 실제 로봇 조작의 안전·일반화 보장은 아니다. 비교는 세 시각 조작 환경과 CEM 행동 계획에 집중하고, 훈련 자료에 실패 궤적도 보강했다. 긴 시간·새 대상과 물리 장치에서의 효과는 추가 검증이 필요하다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.