Fast LeWorldModel

LeWorldModel의 순차적 롤아웃을 action-prefix 병렬 예측으로 대체하여 계획 속도를 3.9배 높이고 성공률도 향상시킨 연구.

Fast-LeWM은 기존 LeWorldModel이 갖던 두 가지 한계—느린 순차적 롤아웃과 누적 잠재 오차—를 해결한다. 핵심 아이디어는 1-step 전이 모델을 반복 적용하는 대신, action sequence의 모든 prefix에 대해 미래 latent를 병렬로 예측하는 것이다. 이렇게 하면 CEM 계획 시 전체 궤적을 한 번의 forward pass로 평가할 수 있어 속도가 크게 올라가며, 예측 오차도 prefix 단위의 dense supervision으로 인해 훨씬 느리게 누적된다. 4개 과제에서 평균 성공률 85.8%에서 90.5%로 향상되었고, CEM 해결 시간은 54.4초에서 28.3초로 절반 가까이 줄었다.

핵심 요약

• action-prefix 예측으로 다중 horizon latent를 병렬 생성하여 순차 롤아웃의 병목 제거
• dynamics 모듈 시간 31.4s → 8.0s (3.9배 단축), CEM 전체 해결 시간 48% 감소
• open-loop latent loss의 초기값과 증가 기울기 모두 LeWM 대비 유의미하게 낮음
• 평균 계획 성공률 85.8% → 90.5% (Two-Room 98%, Push-T 96%, Cube 80%)
• terminal-only 예측보다 dense prefix supervision이 성능에 필수적임을 ablation으로 확인
• 물리 상태 probing에서 MLP probe 기준 agent 위치·블록 위치·각도 모두 최고 정확도 달성

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.