단일 GPU로 구현하는 무한 인터랙티브 월드 모델 ABot-World-0

주장최근 인공지능 분야에서는 가상 세계를 실시간으로 생성하고 제어하는 월드 모델 기술이 급격히 발전하고 있습니다. 이번에 발표된 ABot-World-0은 고성능 서버 없이 단일 데스크톱 GPU 환경에서 무한한 상호작용이 가능한 세계를 구현했다는 점에서 큰 주목을 받습니다.

팩트이번 연구에는 판 지앙(Fan Jiang)을 비롯한 41명의 연구진이 참여했습니다. 연구진 소속 정보는 arxiv 등록 기준이며, 다양한 분야의 전문가들이 협력하여 모델의 효율성을 극대화했습니다.

팩트ABot-World-0은 NVIDIA RTX 5090 GPU 환경에서 720P 해상도의 영상을 초당 16 프레임(FPS) 속도로 스트리밍합니다. 동작 입력부터 첫 화면이 출력되기까지 걸리는 지연 시간은 1.2초에 불과하며, 최대 비디오 메모리(VRAM) 사용량은 19기가바이트(GiB) 수준입니다.

팩트연구진은 모델의 효율적인 배포를 위해 경량화된 VAE(Variational Autoencoder, 변분 오토인코더) 디코더와 저비트 DiT(Diffusion Transformer, 확산 변환기) 추론 기술을 도입했습니다. 이는 복잡한 연산을 단순화하여 하드웨어 자원 점유율을 획기적으로 낮춥니다.

주장모델의 핵심 혁신은 롱포싱(LongForcing) 기법에 있습니다. 이는 긴 시간 동안 모델이 스스로 결과를 생성할 때 발생하는 분포 이동(Distribution Shift)과 자기회귀 드리프트(Autoregressive Drift) 현상을 완화하는 기술입니다.

팩트학습 데이터 구축을 위해 연구진은 AAA 게임, 시뮬레이션 엔진, 인터넷 영상 등 다중 소스 데이터를 활용했습니다. 또한 14가지 품질 검사와 VLM(Vision-Language Model, 시각-언어 모델) 기반 평가를 적용해 데이터의 정밀도를 확보했습니다.

교차검증본 연구는 arxiv에 선공개된 논문으로, 아직 학계의 정식 동료 평가(Peer Review) 과정을 거치지 않았습니다. 따라서 제시된 성능 지표는 통제된 실험 환경의 결과이며, 실제 다양한 환경에서의 범용성은 추가 검증이 필요합니다.

교차검증기술적 한계점도 존재합니다. 장시간의 상호작용 과정에서 발생하는 누적 오차를 완전히 제거하기는 어렵습니다. 특히 복잡한 물리 법칙이 적용되는 환경에서 모델이 얼마나 일관성을 유지할 수 있는지에 대한 재현성 검증이 향후 과제로 남아 있습니다.

주장이번 모델은 키보드 입력을 통해 장면을 탐색하고 제3자 시점에서 캐릭터와 상호작용하는 통합 제어 인터페이스를 제공합니다. 이는 사용자가 가상 세계에 직접 개입하여 실시간으로 변화를 관찰할 수 있게 합니다.

팩트연구진은 참조 캐릭터 메모리(Reference-character memory) 기능을 통해 제3자 시점의 롤아웃(Rollout, 결과 생성 과정) 동안 캐릭터의 외형 일관성을 유지합니다. 이는 캐릭터가 환경 변화 속에서도 동일한 정체성을 유지하도록 돕습니다.

주장ABot-World-0은 향후 게임 개발, 가상 현실, 시뮬레이션 교육 등 다양한 산업 분야에서 활용될 잠재력이 큽니다. 고가의 장비 없이도 고성능 월드 모델을 구동할 수 있다는 점은 기술 대중화에 크게 기여할 것입니다.

출처arxiv의 선공개 논문(https://arxiv.org/abs/2607.19191)을 참고했습니다.