Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 관찰과 행동으로부터 직접적인 보상 정보 없이 기계적 세계 모델을 학습하는 world2vec을 소개합니다. world2vec은 기존 모델 대비 훨씬 적은 파라미터로 장기 예측 지평의 잠재 역학을 충실하게 재현하며, 연속 환경 제어 및 시스템 식별에서 최첨단 성능을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기세계 모델(World models)은 환경의 역학을 충실하게 포착하지 못해도 강력한 제어 성능을 달성할 수 있으며, 이는 기계적 해석 가능성(mechanistic interpretability) 및 과학적 발견 잠재력을 제한합니다. 본 논문에서는 관찰(observations)과 행동(actions)으로부터 직접적인 보상 정보(reward information) 없이 기계적 세계 모델을 학습하는 world2vec을 소개합니다. World2vec은 DreamerV3, TD-MPC2 및 LeWM보다 적어도 한 자릿수(one order of magnitude) 적은 파라미터로 장기 예측 지평(long prediction horizons)에 걸쳐 실제 시스템을 충실하게 재현하는 잠재 역학(latent dynamics)을 학습합니다. 이를 통해 픽셀로부터 연속적인 환경(continuous environments)을 제어하는 데 있어 최첨단 성능(state of the art performance)을 구현하고, 71개의 인력점(attractors)으로 구성된 벤치마크 전반에 걸쳐 정확한 시스템 식별(system identification)을 수행할 수 있음을 보여주며, 세계 모델이 과학적 발견에 얼마나 적합한지 입증합니다.