DreamZero의 Causal 제어와 Motus의 Bidirectional 통합 생성 아키텍처 비교 분석

Context

World Action Model(WAM)에서 비디오와 액션을 동시에 생성하는 과정의 효율성과 범용성 확보가 핵심 과제로 부상함. 기존 모델들은 실시간 제어 성능과 다양한 도메인으로의 일반화 가능성 사이에서 상충하는 설계 제약에 직면함.

Technical Solution

• DreamZero: 물리적 시간 흐름을 준수하는 Autoregressive Causal Generation 구조를 채택하여 실시간 Closed-loop 제어 최적화
• Motus: UniDiffuser 기반의 Bidirectional Non-causal 아키텍처를 통한 비디오-액션 Joint Generation 및 5가지 태스크 모드 통합 구현
• DreamZero: KV Caching 기반의 Chunk-wise 추론 로직을 통해 과거 데이터 기반의 순차적 액션 생성 효율 극대화
• Motus: Tri-model Joint Attention을 이용한 과거-현재-미래 전체 시퀀스의 동시 모델링 및 Multi-step Denoising 기반 생성
• Motus: 토큰 불균형 해결을 위한 Video-Sparse(1/6 비율) 및 Action-Dense 전략의 시간적 정렬 설계
• DreamZero: 특정 로봇의 Joint Space 직접 매핑을 통한 물리 실행 정밀도 확보 및 Inverse Dynamics 학습
• Motus: DC-AE를 활용한 Latent Action 추상화를 통해 로봇 형태에 구애받지 않는 Cross-embodiment 범용성 구현