연구진이 행동 세계 모델의 기억 메커니즘을 연구한 'Echo-Memory'를 발표했어요. 기존 모델의 주요 실패 원인은 이미지 합성보다 기억 문제인 경우가 많으며, 카메라가 이동했다가 돌아올 때 장면이나 주요 객체가 조용히 변하는 현상이 발생해요.
연구에서는 원시 컨텍스트, 압축 기반 메모리, 다양한 읽기 경로를 가진 공간 요약, 상태 공간 재귀 등 다양한 기억 저장 및 읽기 방식을 비교했어요. 이 과정에서 용량, 압축, 읽기, 재귀라는 4가지 요소를 분리했죠.
기억 성능을 평가하기 위해 리플레이 품질, 동일 도메인 루프 재방문, 개방 도메인 반환 프로브 3가지 방법을 사용했는데, 각 방법은 일관되지 않은 결과를 보여 리플레이 충실도가 세계 기억을 평가하는 충분한 지표가 아님을 시사해요.
연구 결과, 원시 컨텍스트는 강력한 용량 기준이며 개방 도메인 반환을 개선하는 데 효과적이고, 블록 단위 상태 공간 재귀는 가장 강력한 개방 도메인 반환 메커니즘으로 나타났어요.