연구진은 DreamerV3, DIAMOND, TWISTER, Simulus, STORM 등 5가지 시각 세계 모델 에이전트를 분석했어요. 모델을 동결하고 롤아웃 진단법을 적용한 결과, 공, 패들, 움직임 등 다양한 오류가 발견됐어요.
동결된 세계 모델로 새로운 정책을 훈련한 결과, 실제 환경에서 성능이 현저히 저하됐으며, 특히 DreamerV3의 경우 평균 수익이 크게 감소했어요.
연구진은 공과 같은 중요한 개념을 제대로 모델링하지 못하는 것이 원인이라고 추정하고 개념 기반 공간 정규화(CGSReg)를 제안했어요.
CGSReg는 DreamerV3, DIAMOND, TWISTER에서 롤아웃과 제로샷 MBRL 성능을 개선했지만, 모든 세계 모델의 한계를 해결하지는 못했어요.