모델 기반 학습에서 행동의 동적 실행 가능성을 추적하지 못하는 기존 세계 모델의 한계를 해결하는 AGWM(어포던스 기반 세계 모델)을 제안합니다. 기존 세계 모델은 전제 조건을 무시하고 행동과 결과의 상관관계를 일반 인과 규칙으로 내재화하는 경향이 있습니다. AGWM은 선행 의존성을 DAG 구조로 표현해 행동의 동적 실행 가능성을 명시적으로 추적합니다. 게임 기반 시뮬레이션 환경 실험에서 다단계 예측 오차 감소, 새로운 구성에 대한 일반화 향상, 해석 가능성 개선을 입증했습니다.

• •기존 세계 모델은 행동 전제 조건을 무시하고 빈번한 행동-결과 공기를 인과 규칙으로 내재화해, 다단계 예측 시 오차가 누적되는 구조적 한계가 있다.
• •AGWM은 선행 의존성을 방향 비순환 그래프(DAG)로 추상화하여 각 시점의 행동 실행 가능 여부를 명시적으로 추적하는 어포던스 기반 세계 모델이다.
• •인터랙티브 환경에서 행동이 미래의 어포던스 공간을 재구성하는 구조 변화 이벤트(SC events)를 핵심 개념으로 정의하고 이를 명시적으로 모델링한다.
• •게임 기반 시뮬레이션 실험에서 낮은 다단계 예측 오차, 새로운 구성에 대한 향상된 일반화, 개선된 해석 가능성을 입증했다.