「ワールドモデル」という用語は、AI分野で広く使われており、潜在的ダイナミクスモデルから交通シナリオジェネレーターまで、あらゆるものを包含しています。この曖昧さを解消するため、「State of World Models 2026: Taxonomy, Benchmarks and Open Challenges」が開発され、これらのモデルを一貫した方法で記述することを目指しています。この報告書では、ワールドモデルを、環境の表現を学習し、その中での行動を予測、シミュレーション、評価、または支援するAIと定義しています。この広範な定義には様々なAIアプリケーションが含まれますが、本質的な環境の一貫性を欠く生成モデルは除外されます。ワールドモデルは、視覚的リアリズム、ロボットプランニング、安全性テストなど、それぞれ異なる分野で優れた性能を発揮するため、普遍的なランキングは誤解を招くと考えられています。代わりに、報告書は、ドメイン、入出力モダリティ、アクション条件付け、表現、時間的ホライズン、評価タイプなどの実用的な分野に基づいた分類を提案しています。ロボティクスやビデオ生成などのドメインは、モデルの目的と評価基準に大きく影響します。機能性も重要な差別化要因であり、モデルは予測、シミュレーション、プランニング、データ生成などの目的を果たします。内部表現は、ピクセルから潜在ベクトル、記号変数まで様々であり、それぞれにトレードオフがあります。次の状態予測から手続き的プランニングまでの時間的ホライズンは、エラーが時間とともに蓄積する可能性があるため重要です。受動的な予測と「もしこれをしたらどうなるか」というシナリオを区別するアクション条件付けは、重要な実用的な区別です。「知覚-機能ギャップ」を浮き彫りにする、知覚、物理、機能、プランニングの側面で評価は断片化しています。報告書は、フィルタリングと比較を容易にするために、モデルとベンチマークの構造化されたカタログを提案しています。既知の情報を文書化し、証拠と解釈を分離し、急速に進化する分野を管理するためにバージョン管理を実装することを強調しています。カタログが包括的なAIディレクトリにならないように、焦点を維持するために除外が必要です。