World Model (世界モデル) は、 ロボット (またはエージェント) が観察から 次に何が起きるか を予測できる内部モデル。 視覚を含む観測 → 潜在表現 → 次フレーム予測、 という構造を持つことが多い。
DeepMind の DreamerV3、 Google の Genie、 NVIDIA の Cosmos、 Meta の V-JEPA などが代表例。 World Model を持つエージェントはシミュレーション内で「想像して計画」 を行えるため、 サンプル効率の高い RL や、 計画的な行動が可能になる。
ロボティクス文脈
- 物理ベースのシミュレーターと違い、 学習データから「世界」 を獲得する
- 視覚的に現実に近いシムをデータから作れるため、 sim-to-real の橋渡し候補としても期待される