Research Trends

Saurav Jha 외 다수의 'Probing the effectiveness of World Models for Spatial Reasoning through Test-time Scaling' 논문 [arXiv:2512.05809]은 World Models의 test-time scaling을 통한 공간 추론 강화의 실증적 접근을 보여줍니다. 이는 검증기의 불확실성 및 바이어스 문제 해결, ViSA 프레임워크를 통한 개선, SAT-Real 벤치마크 성능 향상을 입증하는 강력한 증거이며, World Models가 공간 지능의 정보 병목 현상을 해소하는 결정적 수단임을 시사합니다.

ByteDance Seed의 'Visual Generation Unlocks Human-Like Reasoning through Multimodal World Models' 논문 [arXiv:2601.19834]은 시각 생성이 멀티모달 World Models에서 인간과 유사한 추론을 가능하게 하는 핵심 요소임을 밝힙니다. 이 연구는 'visual superiority hypothesis'를 제시하며, 인간의 '시각적 심상'이 AGI 수준의 공간 지능에 필수적이라는 확고한 주장을 담고 있습니다.

'Aligning Agentic World Models via Knowledgeable Experience Learning' 논문 [arXiv:2601.13247]은 지식 기반 경험 학습으로 Agentic World Models를 정렬하는 혁신적 방법입니다. 에이전트가 외부 시뮬레이터 없이 스스로 세계 동역학을 학습하며, 인과 관계 및 결과 예측을 내부 World Model로 처리하는 강력한 접근을 제시합니다. 이는 에이전트를 '능동적 예측 기계'로 재정의하여 embodied AI의 장기적 일관성을 향상시키는 중요한 발전입니다.

'World Craft: Agentic Framework to Create Visualizable Worlds via Text' 논문 [arXiv:2601.09150]은 텍스트를 통해 3D/4D 세계를 생성하는 에이전트 멀티 에이전트 프레임워크의 선구적 연구입니다. 의도 분석과 공간 계획을 분리하여 물리적 환각을 줄이는 정교한 설계를 특징으로 하며, AR/VR 및 로보틱스 실용화 가능성을 높이는 중요한 진전으로 평가받습니다.

Yang 외 다수의 'MindJourney: Test-Time Scaling with World Models for Spatial Reasoning' 논문 [arXiv:2507.12508]은 World Models를 test-time에 확장하여 구현된 공간 추론을 강화하는 획기적 사례입니다. 행동 조건 상상 루프를 통해 보이지 않는 시점을 생성하고 추론하는 진보된 기술을 선보이며, Microsoft Research는 이를 통해 VLM의 공간 병목 현상 해결 및 3D 공간 추론 벤치마크 SOTA를 달성했습니다.

'The Spatial Blindspot of Vision-Language Models' 논문 [arXiv:2601.09954]은 VLM의 공간 맹점(spatial blindspot)을 분석합니다. CLIP 스타일 인코더가 2D 구조를 상실하게 한다는 문제점을 지적하며, '공간 접지(Spatial Grounding)'를 1순위 설계 축으로 삼아야 한다는 강력한 통찰을 제공합니다.