Fast-LeWM, 로봇 계획 수립 시간 48% 단축

JEPA 기반 시각적 세계 모델(Visual World Models)의 기존 방식은 후보 액션 시퀀스를 평가할 때 각 상태를 하나씩 순차적으로 예측하는 오토레그레시브(Autoregressive) 루프를 사용하며, 이는 계산 비용이 매우 높다는 단점이 있습니다.

새로운 논문에서 제안된 **Fast LeWorldModel (Fast-LeWM)**은 이러한 순차적 롤아웃을 액션 접두사 예측(Action-prefix prediction) 방식으로 대체합니다. 이는 액션 접두사를 인코딩하여 미래의 잠재 상태(Latent states)를 단계별이 아닌 병렬로 예측하는 방식입니다.

주요 성능 지표는 다음과 같습니다:

• 계획 시간 단축: CEM 계획 해결 시간이 54.4초에서 28.3초로 약 48% 감소했습니다.
• 모델 호출 효율: 계획 사이클당 모델 호출 횟수가 55회에서 11회로 대폭 줄었습니다.
• 정확도 향상: 4개의 시뮬레이션 환경에서 평균 작업 성공률이 85.8%에서 **90.5%**로 상승했으며, 자가 일관성(Self-consistency) 메커니즘 적용 시 **92.0%**까지 도달했습니다.
• 파라미터 효율성: 모델 크기는 약 1,790만 개로 기존 LeWM(1,800만 개)과 거의 동일하여, 대규모 재학습 없이도 즉시 도입 가능한 알고리즘 업그레이드임을 보여줍니다.

이러한 성능 향상은 단일 단계의 오차가 장기 예측 시 누적되는 현상을 줄인 결과로 분석됩니다.