World Model

케이스 1NVIDIA — Cosmos 월드 파운데이션 모델

NVIDIA는 2025년 1월 CES에서 피지컬 AI용 월드 파운데이션 모델 플랫폼 Cosmos를 공개했습니다 ^[2]. 텍스트·이미지·영상과 로봇 센서·모션 입력을 조합해 물리 기반 영상을 생성합니다 ^[2]. 1X·Agility·Uber·Wayve 등을 초기 도입사로 밝혔습니다 ^[2]. 로봇과 자율주행 학습용 데이터를 만드는 데 쓰는 사례입니다.
도입효과: 블랙웰 플랫폼으로 영상 2천만 시간을 14일에 처리·라벨 (CPU 파이프라인 3년 이상 대비) ^[2]

케이스 2Wayve — 자율주행 월드 모델 GAIA-1

영국 자율주행 기업 Wayve는 2023년 생성형 월드 모델 GAIA-1을 공개했습니다 ^[3]. 영상·텍스트·행동 입력으로 사실적인 주행 영상을 생성합니다 ^[3]. 공식 자료는 학습 가능한 파라미터가 90억 개를 넘고, 런던 주행 데이터 4,700시간으로 학습했다고 밝혔습니다 ^[3]. 자율주행이 다음 상황을 예측하도록 월드 모델을 쓴 사례입니다.
도입효과: 학습 파라미터 90억 개 이상, 주행 데이터 4,700시간 학습 (Wayve 공식, 이전 버전 10억 대비 확대) ^[3]

케이스 3Google DeepMind — Genie 2·3, 조작 가능한 3D 세계 생성

Google DeepMind는 2024년 12월 Genie 2를 공개했습니다 ^[4]. 조작 가능한 3D 환경을 끝없이 생성해 체화 에이전트를 훈련·평가하는 파운데이션 월드 모델입니다 ^[4]. 2025년 8월 후속 Genie 3는 실시간 상호작용을 지원했습니다 ^[5]. 에이전트를 가상 세계에서 훈련시키는 용도로 월드 모델을 쓴 사례입니다.
도입효과: Genie 3 실시간 24fps·720p로 수 분간 일관된 세계 유지 (Genie 2 10~20초 대비 확장) ^[5]

케이스 4KAIST — 안성진 교수 연구실의 월드 모델 연구 [한국]

KAIST 안성진 교수 연구실은 월드 모델 연구를 다수 발표했습니다 ^[8]. 대표적으로 ICLR 2025 논문 Dreamweaver는 언어 지도 없이 영상만으로 구성적 월드 모델을 학습합니다 ^[7]. 색·모양 같은 정적 개념과 움직임 같은 동적 개념을 재사용 가능한 개념 사전으로 묶습니다 ^[7]. 서로 다른 대상의 속성을 조합해 새로운 영상을 상상해 내는 구성적 상상을 목표로 합니다 ^[7].
도입효과: 언어 지도 없이 영상 기반 구성적 월드 모델 학습, 구성적 상상 제시 (한국연구재단 지원, 정량 벤치마크 비공개) ^[7]

오늘 바로 해보기
01. 월드 모델과 일반 생성 모델의 차이를 미래 예측 여부 한 줄로 구분해 적습니다.
02. Ha와 Schmidhuber의 World Models 초록을 열어, 모델이 만든 꿈속에서 에이전트를 훈련한다는 개념을 확인합니다 ^[1].
03. DeepMind Genie 3 데모 영상에서 생성 세계가 몇 분간 일관되게 유지되는지 봅니다 ^[5].
04. Wayve GAIA-1 소개에서 자율주행이 월드 모델을 어디에 쓰는지 정리합니다 ^[3].
05. 자사 업무 중 미래 상태 예측이 필요한 과제가 있는지 목록으로 적습니다.

월드 모델에는 아직 큰 한계가 있습니다. 생성 세계의 시간적 일관성이 짧습니다. Genie 2는 대부분 예시가 10~20초 유지에 그쳤습니다 ^[4]. 물리 추론도 사람에 크게 못 미칩니다. Meta는 새 물리 추론 벤치마크에서 사람이 85~95% 정확도를 보이는 반면 현재 영상 모델은 우연 수준에 가깝다고 밝혔습니다 ^[6]. 학습 비용도 막대합니다. V-JEPA 2는 100만 시간이 넘는 영상을 학습했고, Cosmos는 2천만 시간 규모의 영상을 큐레이션해 구축했습니다 ^[6][2]. 이 데이터를 CPU만으로 처리하면 3년 이상 걸린다고 NVIDIA는 밝혔습니다 ^[2]. 생성한 세계가 실제 물리를 얼마나 지키는지 검증하는 일도 남은 과제입니다 ^[6]. Wayve GAIA-1은 90억 파라미터로 4,700시간의 주행 데이터를 학습해야 했을 만큼 자원 요구가 큽니다 ^[3].

진화 방향은 두 갈래입니다.

1. 실시간·장시간 상호작용 월드 모델입니다. DeepMind Genie 3는 첫 실시간 상호작용 월드 모델로 24fps·720p·수 분 일관성을 달성했습니다 ^[5].
2. 피지컬 AI·로보틱스용 파운데이션 모델로의 확장입니다 ^[2]. 로봇 센서·모션 입력 기반 물리 영상 생성과 오픈 플랫폼화가 진행되고, 자율주행·휴머노이드 훈련 데이터 생성으로 넓어지고 있습니다 ^[2]. 원류인 Ha와 Schmidhuber는 이미 2018년에 모델이 만든 내부 시뮬레이션 안에서 에이전트를 훈련할 수 있음을 보였는데, 그 아이디어가 지금 로보틱스로 이어지고 있습니다 ^[1]. NVIDIA Cosmos는 초기 도입사로 자율주행·휴머노이드 기업들을 함께 공개하며 산업 적용을 넓히고 있습니다 ^[2]. 국내에서는 KAIST 안성진 교수 연구실이 트랜스포머를 대체하는 상태공간 계열과 구성적 월드 모델을 학술적으로 제시하며 흐름에 합류했습니다 ^[7][8]. 현재 시점에서는 실제 데이터가 부족한 로보틱스 학습의 보완재로 주목받고 있습니다.