연구진은 로봇 정책 평가를 위한 월드 모델의 핵심 속성이 제대로 이해되지 않았음을 지적했어요. 실제 로봇 데이터와 정책 실행 결과를 활용한 벤치마크 WMBench를 구축해 다양한 모델과 평가 지표를 비교 분석했어요. 연구 결과, 정책 평가 품질은 단기 시각적 현실감보다 장기적인 행동 일관성이 중요하며, 일반적인 지식과 로봇 제어 가능성 균형이 사전 학습에 중요하다고 밝혔어요.
WMBench를 통해 7개의 비디오 월드 모델, 4가지 행동 표현 방식, 324,000건 이상의 시뮬레이션 정책 실행 결과를 분석하고, CVPR 2026 GigaBrain Challenge 커뮤니티 제출 데이터와 합성 트랙션을 활용했어요. GigaWorld-1은 정책 평가에 최적화된 월드 모델로, 코드, 모델, 데이터셋, 툴킷을 공개하여 확장 가능한 평가 연구를 지원할 예정이에요.
GigaWorld-1은 정책 평가를 위해 특별히 최적화되었으며, 연구진은 실제 로봇 행동과 일치하는 아키텍처 선택의 중요성을 강조했어요. 연구 결과, 월드 모델 설계 로드맵을 제시하고, 관련 코드와 데이터셋을 공개하여 로봇 기반 AI 연구 발전에 기여할 것으로 기대돼요.