# DRILL 논문, 픽셀 예측보다 정책 성능 높이는 월드 모델 제안

> 새 연구에 따르면 강화학습 정책 개선에 초점을 둔 월드 모델은 픽셀 단위 예측 정확도를 높인 모델보다 성능이 뛰어날 수 있으며, 성공률을 최대 13포인트 끌어올린다.

Oossa · 2026-10-23 · https://oossa.com/ko/drill-paper-proposes-training-world-models-for-policy-utility-not-pixel-predicti

Zhaolu Kang이 이끄는 연구진은 다음 프레임을 정확히 예측하는 대신 정책 성능을 높이도록 비디오 월드 모델을 훈련하는 DRILL이라는 논문을 발표했다. NeurIPS 2026에서 공개된 이 방법에는 예측 오차에 가중치를 다시 부여하는 DRILL‑VWI와 메타 그래디언트 방식의 DRILL‑IMG, 두 가지 버전이 있다. 조작 시뮬레이터 5종에서 테스트한 결과, DRILL‑IMG는 기존 WMPO 기준 모델보다 성공률을 13.1포인트 높였다. 논문은 픽셀 오차가 작다고 해서 정책 성능이 더 좋아지는 것은 아니라고 주장한다.

## 팩트

- 논문 발표일: 2026-10-23("Fri Oct 23 2026 06:00:00 GMT+0200")
- DRILL‑IMG는 평균 성공률을 WMPO보다 13.1포인트 높였다

## 왜 중요한가

로봇 조작 시스템 개발자는 월드 모델 훈련을 정책의 성과에 맞추면 시뮬레이터 실행 횟수를 늘리지 않고도 작업 수행의 신뢰도를 높일 수 있다.

## 출처 및 참고 자료

1. [DRILL: Training World Models to Improve Policies, Not Predict Pixels](https://arxiv.org/abs/2610.30814) – arXiv cs.CV, 2026-10-23

최종 업데이트: 2026-10-23