WorldFoundry, 영상·3D·로봇 월드모델을 한곳에서 재현·평가하는 오픈소스 기반 공개
생성형 '월드모델'은 영상, 3D·4D, 로봇 행동, 상호작용형 시스템 등 형태가 제각각이다. 이런 모델을 한 기반 위에서 돌리고 같은 기준으로 비교하도록 돕는 오픈소스 인프라가 나왔다. arXiv에 공개된 논문에 따르면 OpenEnvision 소속 Juanxi Tian 등 연구진 16명이 「WorldFoundry: Towards Unified Infrastructure for World Intelligence」를 통해 'WorldFoundry'를 선보였다. 카탈로그에는 모델 270개, 벤치마크 74개, 등록 평가지표 62개가 들어 있다.
연구진은 시각 생성 모델이 관찰을 합성하는 일과 환경을 시뮬레이션하는 일의 경계를 점점 흐리고 있다는 데서 출발한다. 그러면서도 겉보기에 그럴듯한 결과물만으로는 월드모델에 성공했다고 볼 수 없다고 지적한다. 설득력 있는 영상이라도 상태가 이어지지 않거나, 물리적 움직임이 맞지 않거나, 상호작용에 인과적으로 일관된 반응을 보이지 못할 수 있다는 것이다. 보기 좋은 화면을 만드는 능력과 세계를 제대로 모델링하는 능력을 구분해 측정할 틀이 필요하다는 문제의식이다.
이에 따라 논문은 생성형 월드모델을 '예측적 동역학 시스템'으로 정의했다. 과거 이력을 반영해 환경에 대한 표현을 지속적으로 유지하고, 행동이나 개입이 들어오면 그 표현을 갱신하며, 실제로 일어난 개입과 가정적(반사실적) 개입 각각의 결과를 반영해 시간적으로 일관된 궤적을 만들어내는 시스템이다. 연구진은 이 정의에서 지능 관점의 평가 틀을 끌어냈다. 지각적 근거, 지속적 상태 모델링, 제어 가능한 변환, 동역학을 고려한 예측, 폐루프 상호작용의 다섯 축이다.
WorldFoundry는 이 틀을 실제 실험 환경으로 옮긴 인프라다. 모델·벤치마크 탐색, 실행 환경과 에셋 준비, 실행 조율, 산출물 관리, 상호작용형 시각화를 한 체계로 묶었다. 영상, 3D·4D, 로봇 등 모달리티별 어댑터를 따로 둬서 각 시스템 고유의 입력 형식, 실행 방식, 출력 표현, 평가 프로토콜은 그대로 유지한다. 서로 다른 형태의 모델을 억지로 같은 틀에 끼워 맞추지 않고도 공통 기반에서 다룰 수 있게 한 설계다.
재현성과 신뢰성 장치도 강조했다. 명시적 매니페스트, 지속적인 산출물 규약, 근거를 반영하는 성적표를 두어 '실행할 준비가 됐는지'와 '평가에서 무엇을 주장하는지'를 분리했다. 이렇게 하면 모든 주장을 그것을 뒷받침하는 산출물까지 추적할 수 있다. 카탈로그 역시 모델마다 실행 준비 상태와 실제 실행 근거를 따로 기록한다. 목록에 올라 있는 것과 실제로 돌려서 검증된 것을 구분해 보여주는 방식이다.
연구진은 WorldFoundry가 이질적인 시스템 사이에서 지속성과 제어 가능성을 갖춘 동역학을 재현 가능하게 비교하도록 해, 이 분야를 지각적 합성에서 측정 가능한 '세계 지능'으로 나아가게 한다고 설명했다. 영상 생성 모델과 로봇용 행동 모델처럼 그동안 따로 평가되던 시스템을 같은 잣대로 놓고 볼 수 있는 공용 기반을 내놓았다는 점이 이번 작업의 핵심이다.
이 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 14회를 받았다. 논문 번호는 arXiv:2611.10771이다. 이 기사는 저자가 공개한 초록을 바탕으로 정리했으며, 논문은 동료평가를 거치지 않은 사전공개 논문이다.
