FOLIAGE는 제한 없는 누적 표면 성장을 위한 물리 정보 다중 모드 세계 모델입니다. 이미지, 메시 연결성, 점 구름을 통합 컨텍스트 인코더를 통해 공유 잠재 상태로 매핑하는 액션-인지 루프를 사용합니다. 물리적 제어 동작을 조건으로 하는 물리 인식 예측기는 시간에 따라 이 잠재 상태를 진행시켜 표면의 대상 잠재 상태와 정렬하여 다운스트림 목표를 위한 인터페이스 역할을 하는 모달리티 비의존적 성장 임베딩(MAGE)을 생성합니다. FOLIAGE의 누적 그래프 네트워크(AGN)는 연령 위치 인코딩과 에너지 게이트 메시지 전달을 통해 동적 연결성을 포착합니다. 기하학적 대응 융합과 크로스 패치 마스킹은 MAGE의 표현력을 향상시키는 반면, 계층적 풀링은 전역 컨텍스트와 지역 역학의 균형을 맞춥니다. 연구진은 반사실적 물리 시뮬레이터, 다중 모드 대응 추출기, 진화 추적을 포함하는 세계 모델 학습 플랫폼인 SURF-GARDEN을 생성하여 7200개의 다양한 표면 성장 시퀀스를 생성했습니다. 물리적 지능 평가 도구인 SURF-BENCH는 위상 인식, 역 재료 추정, 성장 단계 분류, 잠재 롤아웃, 크로스 모달 검색, 밀집 대응 등 6가지 핵심 작업과 센서 dropout, 제로샷 모달리티 전송, 장기 예측, 물리 제거 등 4가지 스트레스 테스트를 통해 탄력성을 조사합니다. FOLIAGE는 동적 환경에서 강력한 성능을 유지하면서 특수화된 기준 모델보다 우수한 성능을 보이며, 물리적 지능에 대한 새로운 세계 모델 기반 다중 모드 경로를 확립합니다.
