본 논문은 인공지능에서 변혁적인 패러다임으로 떠오르고 있는 월드 모델(World Models)에 대한 포괄적인 개요를 제시한다. 월드 모델은 에이전트가 환경의 내부 표현을 구성하여 예측적 추론, 계획 및 의사결정을 가능하게 하는 잠재적 역학을 학습하는 샘플 효율적인 프레임워크이다. 특히 데이터 제약이 있거나 안전이 중요한 시나리오에서 유용하다. 본 논문에서는 월드 모델의 아키텍처, 훈련 패러다임 및 예측, 생성, 계획, 인과 추론 전반의 응용 프로그램을 강조한다. 또한 디지털 트윈, 메타버스 및 기반 모델과 같은 관련 개념과 월드 모델을 비교 및 구분하여 자율 에이전트를 위한 내장된 인지 엔진으로서의 독특한 역할을 명확히 한다. 마지막으로, 저고도 무선 네트워크(LAWN)에서 특히 무선 에지 인텔리전스 최적화를 위해 고안된 새로운 월드 모델 기반 강화 학습 프레임워크인 Wireless Dreamer를 제안하고, 날씨를 고려한 UAV 궤적 계획 사례 연구를 통해 프레임워크의 효과를 보여준다.
