물리적 추론을 위한 전방 예측

물리적 추론은 전방 예측(forward prediction) 능력을 요구한다. 즉, 초기 세계 상태가 주어졌을 때 다음에 일어날 일을 예측할 수 있어야 한다. 우리는 PHYRE 벤치마크의 복잡한 물리적 추론 과제에서 최신 전방 예측 모델의 성능을 조사한다. 이를 위해 객체 기반 또는 픽셀 기반 세계 표현을 처리하는 모델들을 단순한 물리적 추론 에이전트에 통합한다. 그 결과, 전방 예측 모델은 특히 다수의 객체를 포함하는 복잡한 과제에서 물리적 추론 성능을 향상시킬 수 있음을 확인하였다. 그러나 동시에 이러한 성능 향상이 훈련 과제와 유사한 작은 변형의 테스트 과제에서만 성립하며, 완전히 새로운 과제 템플릿으로의 일반화는 여전히 도전 과제임을 발견하였다. 놀랍게도, 픽셀 정확도가 더 높은 전방 예측 모델이 반드시 더 나은 물리적 추론 성능을 보이는 것은 아님을 관찰하였다. 그럼에도 불구하고, 우리 최고의 모델들은 PHYRE 벤치마크에서 새로운 최고 성능을 기록하였다.