李飞飞このたび世界モデルをレンダラー＋シミュレーター＋プランナーに分解し、Marbleは既に単一モデルで映像と衝突メッシュの両方を生成できるようになった。境界融合の方向性はエンドツーエンドのブラックボックスよりも魅力的だ。

李飞飞はSubstackで初めて世界モデルの物理学的枠組みとルートを提案し、モデルは単にテキストで構成されるのではなく、時空の統計構造を学習すべきだと強調した。枠組みは世界モデルをレンダラー、シミュレーター、プランナーの三つの部品に分解し、物理的なフィードバックを予測できるシミュレーターは知覚と行動の橋渡しであると考え、将来的には三者の境界を融合して統一された世界モデルにすることを目指す。Marbleは初期の例として、単一モデルがレンダリング画像と衝突メッシュを同時に出力し、境界の融合を示している。