Imagined Rollouts are Kinematic, Not Dynamic: A Diagnosis of Long-Horizon World-Model Failure

Long-horizon failure in world models is conventionally attributed to compounding error, a generic framing that does not distinguish what kind of error compounds. We propose a kinematic-vs-dynamic reframing: world models tend to imagine kinematically rather than dynamically. We operationalize this as the imagined Kinematic-Consistency Error, a per-step diagnostic that measures how far a rollout departs from a closed-form kinematic null, paired with a perturbation protocol that tests whether iKCE responds when physical conditions cross a regime boundary. We instantiate the diagnostic on a released DreamerV3 checkpoint trained on DMC walker-walk, where imagined iKCE runs roughly two orders of magnitude above that of matched real-physics rollouts. Across a friction sweep that crosses the gait-collapse boundary, the model's iKCE stays statistically flat even as the trained policy's reward collapses through the same range, providing the kinematic-not-dynamic signature. The diagnostic distinguishes kinematic from dynamic imagination at horizons longer than the embodiment's gait period.

한 줄 요약

장기적 세계 모델 실패는 동역학적 오류가 아닌 운동학적 일관성 오류에서 비롯된다.

핵심 기여도

세계 모델의 장기적 실패 원인을 **운동학적 오류**(kinematic error)로 재정의.
**iKCE**(imagined Kinematic-Consistency Error)라는 새로운 진단 지표를 제안.
**DreamerV3** 모델에서 iKCE가 실제 물리 롤아웃 대비 약 100배 높게 나타남.
**gait period**보다 긴 시간 범위에서 운동학적 상상과 동역학적 상상을 구분 가능.

핵심 아이디어

기존 연구는 세계 모델의 장기적 실패를 오류 누적으로 설명했으나, 이는 구체적인 오류 유형을 구분하지 못한다. 본 연구는 실패 원인을 **운동학적**(kinematic) 오류와 **동역학적**(dynamic) 오류로 구분하는 새로운 프레임워크를 제안한다. 핵심 통찰은 세계 모델이 실제 물리 법칙을 반영하지 않고 단순히 운동학적 경로만 상상한다는 점이다. 이를 **iKCE**라는 지표로 정량화하고, **perturbation protocol**을 통해 물리 조건 변화에 따른 iKCE 반응을 분석한다.

기술적 접근법

**iKCE**: 롤아웃이 운동학적 null에서 얼마나 벗어났는지 측정하는 지표.
**DreamerV3** 모델의 **walker-walk** 정책을 대상으로 실험.
**friction sweep**을 통해 **gait-collapse boundary**를 테스트.
**real-physics rollout**과 **imagined rollout**의 iKCE 비교.

주요 결과

**DreamerV3**에서 **iKCE**는 실제 물리 롤아웃 대비 약 100배 높음.
**friction sweep** 실험에서 iKCE는 통계적으로 일정 유지, 정책 보상은 급격히 감소.
이는 **운동학적 상상**(kinematic imagination)이 **동역학적 상상**(dynamic imagination)과 구분됨을 보여줌.

의의 및 한계

세계 모델의 장기적 실패 원인을 구체적으로 진단할 수 있는 새로운 프레임워크 제시.
**DreamerV3**에서의 실험은 iKCE가 모델의 운동학적 오류를 효과적으로 포착함을 보여준다.
한계로는 **다른 모델/정책**에서의 일반화 가능성, **다른 물리 조건**에 대한 적용 가능성은 명시되지 않음.

실용적 활용

로봇 제어, 시뮬레이션 기반 학습 등에서 세계 모델의 장기적 신뢰도를 평가하는 데 활용 가능.
iKCE는 모델의 운동학적 오류를 정량화하여 정책 개선에 도움이 될 수 있음.