LG AI연구원, CVPR 2026의 World Model 연구를 조명하다

LG AI연구원은 CVPR 2026에서 주목받은 World Model 연구를 표현 방식과 활용 목적이라는 두 축으로 정리했다. 최근 World Model은 Genie 계열처럼 행동에 따라 미래 영상을 생성하거나 플레이 가능한 환경을 만드는 모델을 뜻하는 경우가 많지만, Model-Based Reinforcement Learning과 Robot Learning에서는 더 넓은 의미로 사용된다.

World Model이 예측하는 대상은 미래 영상에 한정되지 않는다.

• 미래 Observation을 생성하는 Action-Controllable Video
• Semantic Change를 나타내는 Predictive Feature
• Object Trajectory, 3D Trace, Point Flow 같은 Task-Space Representation
• 장면의 물리적 상태와 Dynamics

예측된 정보의 활용처도 다양하다. 생성된 미래는 Interactive Simulation에 사용할 수 있고, Feature 예측은 Representation Learning에, 3D Motion과 물리 상태 예측은 Robot Planning 및 Control에 활용할 수 있다. 관측이 불완전한 환경에서는 미래를 직접 Rollout하기보다 현재의 숨은 상태를 추론해 탐색과 의사결정에 활용할 수도 있다.

LG AI연구원이 CVPR 2026에서 발표한 **Align While Search(AWS)**는 이러한 Belief-Space Inference의 사례다. AWS는 미래 Frame을 생성하거나 Transition Dynamics를 학습하는 World Model은 아니지만, 부분 관측 환경에서 관측 이력을 바탕으로 외부 세계에 대한 Belief를 갱신하고 불확실성을 줄이는 탐색 행동을 선택한다.

글은 마지막으로 LG AI연구원이 개발 중인 Electronic Design Automation(EDA) 툴에 어떤 World Representation이 유용할지 논의한다. 핵심 질문은 세계를 얼마나 완전하게 생성해야 하는지가 아니라, 좋은 의사결정에 필요한 상태를 무엇으로 정의하고 어떻게 모델링할지에 있다.