인지 에이전트를 위한 세계 모델: 미래 네트워크에서 엣지 인텔리전스의 혁신

세계 모델은 환경에 대한 내부 표현을 구축하여 예측 추론, 계획 및 의사결정을 가능하게 하는 인공 지능의 변혁적 패러다임으로 부상하고 있습니다. 잠재 역학을 학습함으로써 세계 모델은 특히 데이터가 제한적이거나 안전이 중요한 시나리오에서 귀중한 샘플 효율적 프레임워크를 제공합니다. 본 논문에서는 세계 모델의 아키텍처, 학습 패러다임 및 예측, 생성, 계획, 인과 추론 전반에 걸친 적용 사례를 포괄적으로 개관합니다. 디지털 트윈, 메타버스, 파운데이션 모델과 같은 관련 개념들과 세계 모델을 비교 및 구분하여, 자율 에이전트를 위한 내장형 인지 엔진으로서의 독특한 역할을 명확히 합니다. 또한 저고도 무선 네트워크(LAWNs)에서의 엣지 인텔리전스 최적화에 맞춘 세계 모델 기반 강화 학습 프레임워크인 Wireless Dreamer를 제안합니다. 기상 인지 UAV 경로 계획 사례 연구를 통해 학습 효율성 및 의사결정 품질 향상에서 본 프레임워크의 효과를 입증합니다.