ワールドモデリングはどこへ向かうのか？

本論文は、エージェントの継続的改善のための世界モデル（World Modeling）の概念を再定義する概念的な枠組みを提案している。従来の世界モデルが将来の物理状態遷移の予測に焦点を当てていたのに対し、著者らは「Agent-Centric Interactive World Proxies」という新しいパラダイムを提唱し、物理状態遷移ではなく、実行結果、検索された経験やスキル、検証シグナルなど、エージェントが利用可能な情報遷移に焦点を当てるべきだと主張する。世界プロキシをフィードバックのモダリティに基づいて6つの機能形態（dynamics, spatial, execution, memory/experience, skill, reward/verification）に分類し、エージェントの改善にどのように役立つかを3つのレベル（L.1 Inference-Time Guidance, L.2 Training-Time Optimization, L.3 Agent-Proxy Co-Evolution）で分析する。

従来の世界モデルは、主に物理状態遷移の予測（dynamics prediction）に焦点を当てており、エージェントが意思決定に必要な行動可能なフィードバック（例：実行結果、検証シグナル）を提供するには狭すぎる。本論文は、世界モデルの範囲を物理状態遷移からエージェント中心の情報遷移へと拡張し、フィードバックのモダリティを体系的に分類する新しい視点を提供する点で優れている。また、世界モデルがエージェントの改善に寄与するレベルを3段階に分け、単なる推論時のガイダンスから、訓練時の最適化、さらにはエージェントとプロキシの共進化までを含む包括的なロードマップを提示している。

手法の核となるのは、世界モデルを「Agent-Centric Interactive World Proxies」として再概念化し、その設計空間を体系的にマッピングすることである。具体的には、フィードバックのモダリティに基づいて世界プロキシを6つの機能形態（dynamics, spatial, execution, memory/experience, skill, reward/verification）に分類する。さらに、これらのプロキシがエージェントの改善にどのように役立つかを3つのレベル（L.1 Inference-Time Guidance, L.2 Training-Time Optimization, L.3 Agent-Proxy Co-Evolution）で分析する。この分類とレベル分けにより、世界モデルの設計と応用のための構造化された枠組みを提供している。

要旨からは、具体的な実験や検証方法は不明である。本論文は概念的な枠組みを提案するものであり、実証的な検証は行われていない可能性が高い。

議論としては、世界モデルの範囲を拡張することで、従来の物理状態予測に基づく世界モデルとどのように関係するのか、また、提案された6つのプロキシ形態と3つのレベルの間の相互作用や、実際にどのように実装・評価するのかといった点が考えられる。しかし、要旨からはこれらの詳細は不明である。

要旨で参照されている関連研究は明示されていないが、世界モデルに関する古典的な研究（例：World Models by Ha and Schmidhuber）や、モデルベース強化学習、シミュレーションから実環境への転移（sim-to-real）などの分野の論文が関連する可能性がある。具体的には、要旨で言及されている「classical world models」の代表的な論文や、エージェントの継続的改善に関する研究（例：continual learning, self-improving agents）が挙げられる。