galilai-group/stable-worldmodel

해결하는 문제

세계 모델 연구를 위한 통합적이고 재현 가능한 플랫폼을 제공하여, 작업 흐름의 세 가지 주요 단계(데이터 수집, 모델 훈련, 모델 예측 제어(MPC)를 통한 평가)를 간소화합니다. 데이터 처리 및 계획 솔버를 위한 반복 코드를 작성할 필요 없이, 연구자들은 모델 아키텍처와 목적 함수에 집중할 수 있습니다.

작동 방식

이 플랫폼은 여러 핵심 구성 요소를 하나의 인터페이스로 통합합니다:

• 데이터 관리: LanceDB, HDF5, 폴더, 비디오, LeRobot 등 다양한 백엔드를 지원하는 포맷 레지스트리. 포맷 간 단일 명령으로 마이그레이션을 지원하는 내장 도구 포함.
• 환경 스위트: DeepMind Control Suite, Gymnasium, OGBench, Atari 등 다양한 소스에서 제공하는 표준화된 환경을 대량 보유. 많은 환경은 시각적 또는 물리적 설정의 변화를 테스트할 수 있도록 "변화 요인(factors of variation)"을 포함합니다.
• 계획 솔버: 샘플링 기반 솔버(CEM, MPPI 등)와 기울기 기반 솔버(SGD, Adam 등)의 참조 구현을 포함하여 세계 모델 예측을 행동으로 변환합니다.
• 통합 API: 간단한 Python API를 통해 전문 정책으로 데이터를 수집하고, 모델을 훈련하며, WorldModelPolicy와 솔버를 결합하여 평가할 수 있습니다.

대상 사용자

세계 모델, 몸을 가진 지능, 모델 예측 제어에 종사하는 AI 연구자 및 엔지니어. 다양한 환경에서 결과를 벤치마킹하고 재현할 수 있는 표준화된 방법이 필요한 분들입니다.

주요 특징

• 광범위한 환경 라이브러리: 간단한 제어(CartPole)부터 복잡한 로봇 기술(Fetch) 및 Atari 게임에 이르기까지 다양한 작업을 포함합니다.
• 고성능 데이터 I/O: LanceDB를 활용한 빠른 인덱스 읽기 및 추가에 최적화된 저장 방식.
• 내장 베이스라인: JEPA 기반 모델(LeWM, DINO-WM) 및 기타 행동 클로닝 또는 RL 베이스라인의 참조 구현 포함.
• 일반화 테스트: 통합된 변화 요인을 통해 분포 이동에 대한 제로샷 일반화를 쉽게 평가할 수 있습니다.