生成からシミュレーションへ：ワールドモデルは真のシミュレータからどの程度離れているのか？

要旨

拡散モデルと大規模動画生成の急速な進歩に伴い、生成的ワールドモデルは、物理エンジン、ゲームエンジン、強化学習環境などの従来のシミュレータを置き換えることがますます期待されている。しかし、生成からシミュレーションまでの残された隔たりは、体系的に評価されていない。本稿では、外部尺度を用いた能力ベースの研究を提示する。この尺度は、従来のシミュレータが備える8つの能力、すなわちアセット構築、物理エンジン、インタラクション、制御可能性、安定性、状態フィードバック、多様性、評価指標からなる。本稿では、潜在ダイナミクス、動画生成、結合埋め込み予測という3つの主要な技術ルートを追跡し、2018年から2026年6月までに発表された代表的な200件の研究をこれらの能力に対応付ける。分析により、ワールドモデルは特定のシナリオにおいてインタラクションと制御可能性の機能的代替を達成しているが、物理法則の形式的保証、構造化された状態フィードバック、再現可能な長期時間発展の点では従来のシミュレータに及ばないことが示される。状態フィードバックは最も軽視されているルート横断的な欠点であり、163件の実装論文のうち、エンティティの状態や物理パラメータを問い合わせるための実行時インターフェースを公開しているのはわずか6件のみである。本稿は、形式化された物理、統一行動インターフェース、第一級の状態フィードバック、長期安定性、下流タスクでの有用性評価、ルート間ハイブリッド化という6つの研究の方向性を提示する。プロジェクトページ: https://github.com/AtongWang/world-model-simulators

English

With the rapid progress of diffusion models and large-scale video generation, generative world models are increasingly expected to replace traditional simulators, including physics engines, game engines, and reinforcement-learning environments. Yet the remaining distance from generation to simulation lacks a systematic assessment. We present a capability-based study using an external yardstick: eight capabilities of a traditional simulator, namely asset construction, physics engine, interaction, controllability, stability, state feedback, diversity, and evaluation metrics. We trace three main technical routes--latent dynamics, video generation, and joint-embedding prediction--and map exactly 200 representative works published from 2018 to June 2026 onto these capabilities. Our analysis shows that world models have achieved functional substitution in interaction and controllability for specific scenarios, but remain short of traditional simulators in formal guarantees of physical laws, structured state feedback, and reproducible long-horizon evolution. State feedback is the most neglected cross-route shortcoming: only 6 of 163 implementation papers expose a runtime interface for querying entity states or physical parameters. We identify six research directions: formalized physics, a unified action interface, first-class state feedback, long-horizon stability, downstream-utility evaluation, and cross-route hybridization. Project page: https://github.com/AtongWang/world-model-simulators