ODEWorld: A Continuous Predictive Architecture via Physical-Time Flow

물리적 연속성을 반영한 ODE 기반 잠재 공간 모델링을 통해 고품질 영상 생성과 로봇 제어를 동시에 달성한 월드 모델

기존의 월드 모델링 방식은 이산적 시간 단위의 예측에 국한되어 물리 세계의 연속적인 역학을 포착하는 데 한계가 있었습니다. 이를 해결하기 위해 물리적 시간 내용을 따르는 연속적인 잠재 속도장을 학습하는 PT-Flow 방식을 제안합니다. 제안된 ODEWorld는 ODE 솔버를 통해 압축된 잠재 공간 내에서 미래를 예측하며, 표현 공간과 속도장에 ODE 속성을 부여하여 표현 붕괴 문제를 해결합니다. 그 결과, 장기 예측 후에도 고품질 이미지 재구성이 가능하며 임의의 시간 해상도 및 역방향 예측이 가능해졌습니다. 실험을 통해 ODEWorld가 비디오 생성과 로봇 제어 모두에서 뛰어난 성능을 보임을 입증했습니다.

이산적 시간 간격의 제약을 벗어나 연속적인 물리 시뮬레이션과 정교한 로봇 제어 정책 학습을 가능하게 합니다.