현재 AI 업계는 렌더링(영상 생성), 시뮬레이션(디지털 트윈/물리 엔진), 플래닝(로보틱스 제어)이 각기 다른 분야에서 발전하고 있다. 하지만 인간의 지능이 그렇듯, 공간 지능(Spatial Intelligence)의 완성은 이 세 가지가 하나의 아키텍처 안에서 통합될 때 이루어진다. 컵의 기하학적 구조와 물리적 성질을 진정으로 이해하는 모델이라면, 어떤 각도에서도 컵을 그려낼 수 있고(Rendering), 밀었을 때 어떻게 움직일지 예측할 수 있으며(Simulation), 컵을 집어 들기 위한 손의 움직임을 계획(Planning)할 수 있어야 한다.
근거
최근 연구들은 비디오 렌더러를 백본으로 삼아 행동을 예측하거나, 단일 모델에서 3D 가우시안 스플래팅(Gaussian Splatting)과 충돌 메쉬(Collision Mesh)를 동시에 출력하는 등 경계가 무너지는 징후를 보이고 있다. 이는 1980년대부터 이어져 온 “충분히 풍부한 세계 모델이 에이전트에게 필요한 전부”라는 가설의 실현 과정이다.
“논리적 종착점은 통합된 세계 모델이다. 사실적인 뷰를 렌더링하고, 물리적으로 정확한 구조를 생성하며, 행동 시퀀스를 계획할 수 있는 하나의 파운데이션 모델이다.”
연결된 생각
- 20260605-functional-taxonomy-of-world-models — 통합 대상이 되는 세 가지 기능적 요소.
- 20260605-simulation-as-structural-backbone-bridge — 통합의 핵심 고리가 시뮬레이션인 이유.