[논문리뷰] Code as Worlds: Agentic Discovery of Executable World Representations for Physical Reasoning

링크: 논문 PDF로 바로 열기

메타데이터

저자: Hanyang Wang, Yimo Cai, Weiliang Chen, et al.

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• EWR (Executable World Representation): 물리적 세계의 구성(composition), 동적 진화(dynamic evolution), 시각적 외관(visual appearance)을 실행 가능한 코드로 표현한 추상화 모델입니다.
• Agentic Discovery Loop: 물리적 시스템에 대한 가설을 생성(propose), 인스턴스화(instantiate), 실행(execute), 렌더링(render), 검증(verify)하는 반복적인 프로세스를 통해 최적의 EWR을 도출하는 방법론입니다.
• Mechanism-Phenomena Dichotomy: 물리적 사건의 결과(phenomena)와 이를 유발하는 기저의 법칙(mechanism)을 구분하는 관점으로, 본 논문은 후자의 복구에 집중합니다.
• QuantiPhy: 물체의 크기, 변위, 속도, 가속도와 같은 측정 가능한 물리적 수치를 추론하는 작업으로, 모델의 정량적 물리 추론 능력을 평가하는 벤치마크입니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 현대의 Vision-Language Models(VLM)가 물리적 현상을 설명할 수는 있으나, 이를 유발하는 기저의 물리적 메커니즘을 명시적으로 이해하지 못한다는 문제를 해결하고자 합니다 [Figure 1]. 기존 연구들은 주로 픽셀 기반의 예측이나 3D 재구성, 혹은 자연어 기술에 의존하고 있어, 정밀한 물리적 파라미터나 상태 변화를 구조적으로 표현하는 데 한계가 있습니다. 이러한 한계는 복잡한 물리적 환경에서 모델의 추론 능력과 일반화 성능을 저하시키는 요인이 됩니다. 따라서 저자들은 물리적 세계를 정량적으로 지상 진리(grounding)할 수 있는 새로운 표현 체계가 필요하다고 주장합니다.

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 논문은 물리적 세계를 실행 가능한 코드로 모델링하는 Code-as-World 패러다임을 제안합니다. 제안된 방법론은 멀티모달 입력(텍스트 또는 비디오)을 바탕으로 물리적 구성, 동적 진화, 시각적 외관을 포함한 EWR을 생성하는 Agentic Discovery Loop를 핵심으로 합니다 [Figure 2]. 이 루프는 abductive reasoning에서 영감을 받아, 에이전트가 가설을 세우고 시뮬레이터 내에서 이를 실행하여 실제 관측치와 일치할 때까지 반복적으로 정제하는 과정을 거칩니다.

실험 결과, 제안 모델인 Code-as-World-VL은 기존의 강력한 모델들을 능가하는 성능을 보였습니다.

• QuantiPhy 벤치마크에서 Code-as-World-VL-9B는 Gemini-3.1-Flash를 포함한 대규모 모델들보다 우수한 성능을 달성했습니다.
• Code-as-World-VL-27B 모델은 추가적인 성능 향상을 보이며 모든 평가 모델을 상회하는 SOTA(State-of-the-Art) 성능을 기록했습니다.
• 이는 Executable World Representation을 활용한 물리적 감독(physical supervision)이 모델의 정량적 물리 추론 능력을 강화하는 데 매우 효과적임을 입증합니다.

4. Conclusion & Impact (결론 및 시사점)

본 연구는 물리적 세계를 실행 가능한 코드로 표현하는 것이 물리적 지능을 구축하는 데 있어 강력한 근간이 됨을 입증했습니다. Code-as-World 패러다임은 모델이 단순한 관측자에서 벗어나 물리적 메커니즘을 추론하는 능동적 에이전트로 진화할 수 있는 토대를 제공합니다. 이 연구는 향후 로보틱스, 물리 시뮬레이션, 복잡한 환경에서의 Reasoning 작업 등 물리적 이해가 필수적인 다양한 AI 응용 분야에 중요한 시사점을 줍니다. 특히 확장 가능한 물리적 감독(scalable supervision) 기법으로서의 가치가 매우 높습니다.

---

Part 2: 중요 Figure 정보

Figure 1 — 물리적 세계 표현 방식 비교

Figure 2 — 에이전트 발견 루프

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.