실제 환경에서 AI 시스템은 예측하지 못한 노이즈와 외부 분포(OOD)에 직면하여 정책이 불안정해지고 안전하지 않은 동작을 할 수 있다. 이 문제를 해결하기 위해, 본 논문은 세계 모델의 내재된 놀라움 척도를 활용하여 세계 모델 기반 강화 학습 에이전트에서 노이즈의 영향을 줄이는 알고리즘을 개발했다. 특히, 다중 표현 및 단일 표현 거부 샘플링을 도입하여 여러 개의 결함 센서 또는 단일 결함 센서가 있는 환경에서의 견고성을 확보했다. 자율 주행 시뮬레이션 환경 (CARLA 및 Safety Gymnasium)에서 다양한 유형과 수준의 노이즈 하에서도 기본 모델 대비 성능을 유지하는 것을 확인했으며, Cosmos와 DreamerV3와 같이 서로 다른 아키텍처를 가진 두 개의 최첨단 세계 모델의 안정성을 향상시켰다.
