# \#diffusion-forcing **URL:** https://discuss.pytorch.kr/tag/diffusion-forcing/7525.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Nano World Model: Diffusion Forcing 기반의 미니멀한 비디오 월드 모델 학습 저장소](https://discuss.pytorch.kr/t/nano-world-model-diffusion-forcing/10089)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 8, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/nano-world-model-diffusion-forcing/10089 "2026-05-08T03:30:26Z")
Nano World Model 소개 월드 모델(world model)은 환경의 동역학을 학습하여, 어떤 행동을 취했을 때 미래 상태가 어떻게 변할지를 예측하는 모델을 가리킵니다. 최근에는 단순한 잠재 공간(latent space) 동역학 예측을 넘어 비디오 자체를 직접 예측하는 비디오 월드 모델(video world model)이 활발히 연구되고 있으며, 이는 로봇 조작, 자율주행 시뮬레이션, MPC(model-predictive control) 기반 계획, 영상 자료를 활용한 3D 재구성 등 다양한 응용으로 이어지고 있습니다. Nano World Model 은 이런 비디오 월드 모델 연구를 누구나 빠르게 시작할 수 있도록 하는 것을 목표로 한 미니멀한 PyTorch 기반 학습 저장소입니다. 이 프로젝트는 Max Simchowitz 가 이끄는 Simchowitz 연구실(simchowitzlabpublic) 에서 공개한 오픈소스 코드베이스이며, NanoGPT, NanoChat, Boyuan Chen 의 연구 템플릿에서 영감을 받아 "최소한의 의존성, 최대한의 투명성, 즉시 재현 가능한 결과"를 추구합니다. 클론 직후 몇 분 안에 첫 롤아웃(rollout)이 가능하도록 데이터 로딩과 환경 설정이 단순화되어 있고, 학습/검증/평가 파이프라인은 Hydra 기반 설정 시스템으로 통합되어 있습니다. 또한 prediction target, 행동 주입 방식(action injection), 모델 스케일에 대한 ablation 결과까지 모두 공개되어 있어 연구자가 디자인 선택의 영향을 직접 비교하기 쉽습니다. 기술적 토대는 디퓨전 포싱(diffusion forcing) 으로, 이는 시퀀스 모델링과 디퓨전 모델을 결합하여 프레임별 노이즈 스케줄을 다르게 적용함으로써 자기회귀(autoregressive) 비디오 생성과 일관된 장기 롤아웃을 동시에 달성하기 위한 기법입니다. Latte, Vid2World, DFoT, DINO-WM 같은 기존 코드베이스의 설계를 흡수하면서도…