본 논문은 대규모 로봇 기초 모델을 위한 모방 학습의 확장성 문제를 해결하기 위해 통합 세계 모델(UWM) 프레임워크를 제시합니다. UWM은 고품질 전문가 데모에 의존하는 기존 모방 학습의 한계를 극복하기 위해 비디오 데이터와 행동 데이터를 모두 활용합니다. 액션 확산 과정과 비디오 확산 과정을 통합된 트랜스포머 아키텍처 내에 통합하여 각 모달리티에 독립적인 확산 시간 단계를 적용합니다. 이를 통해 정책, 순방향 역학, 역방향 역학 및 비디오 생성기를 유연하게 표현할 수 있습니다. 시뮬레이션 및 실제 세계 실험을 통해 UWM이 대규모 다중 작업 로봇 데이터셋에서 효과적인 사전 훈련을 가능하게 하여 모방 학습보다 더 일반적이고 강력한 정책을 생성하며, 행동이 없는 비디오 데이터로부터 학습을 용이하게 함을 보여줍니다.
