LG AI Research 671

CVPR 2026의 주요 연구 주제 중 하나는 환경의 미래를 예측하는 **월드 모델(world model)**이었다. 최근에는 Genie 계열처럼 과거 관측과 행동을 바탕으로 행동 가능한 영상을 생성하거나 플레이 가능한 환경을 만드는 모델이 대표적으로 언급된다.

하지만 월드 모델은 영상 생성에만 국한되지 않는다. **Model-Based Reinforcement Learning(MBRL)**에서는 잠재 공간의 환경 동역학을 학습해 계획과 정책 개선에 활용하며, JEPA는 픽셀을 복원하는 대신 추상적인 잠재 표현을 예측한다.

CVPR 2026에서는 다음과 같은 다양한 접근이 소개됐다.

• 행동에 따라 미래 영상을 생성하는 학습형 시뮬레이터
• 비전 foundation model의 feature space에서 의미적 변화를 예측하는 모델
• 로봇 조작을 위해 물체의 3D trace와 point flow를 예측하는 모델
• 관측된 장면에서 물리 동역학을 학습하고 미래 상태를 추정하는 모델

이 연구들은 월드 모델이 무엇을 표현하고 예측해야 하는지, 그리고 예측 결과를 어디에 활용할 것인지에 따라 구분된다. 예측 정보는 인터랙티브 시뮬레이션, 표현 학습, 계획 수립, 로봇 제어, 불확실성 기반 탐색 등에 사용될 수 있다.

LG AI Research가 CVPR 2026에서 발표한 **Align While Search(AWS)**는 이러한 순방향 예측과 다른 관점을 제시한다. AWS는 미래 프레임이나 명시적인 전이 동역학을 생성하는 대신, 부분 관측 환경에서 누적된 관측을 바탕으로 외부 세계에 대한 belief를 지속적으로 갱신한다.

에이전트는 현재 세계의 숨은 상태를 추론하고, 불확실성을 줄이는 탐색 행동을 선택한다. 즉 가능한 미래를 일일이 롤아웃하기보다 효과적인 의사결정에 필요한 현재 세계의 상태를 추정하는 방식이다.

이러한 논의는 **전자설계자동화(EDA)**에도 연결된다. 실제 의사결정에 필요한 월드 모델은 세계 전체를 완벽하게 재현하기보다, 작업 목적에 맞는 객체 움직임·3D 구조·물리 상태·잠재 표현을 충분히 모델링해야 한다는 질문을 던진다.