[논문 리뷰] World Guidance: World Modeling in Condition Space for Action Generation

TL;DR

로봇이 복잡한 작업을 수행하기 위해 미래를 예측하는 것은 필수적이지만, 기존의 Vision-Language-Action (VLA) 모델들은 비효율적인 픽셀 단위 예측과 정보 손실이 큰 잠재 공간 예측 사이에서 어려움을 겪었습니다. 이 논문은 **WoG (World Guidance)**라는 혁신적인 프레임워크를 제안하여 이 문제를 해결합니다. WoG는 미래의 시각적 관찰 전체를 예측하는 대신, 행동 생성에 필수적인 핵심 정보만을 압축한 저차원의 **'조건 공간(Condition Space)'**을 모델링합니다. 2단계 학습 전략을 통해, 모델은 먼저 완벽한 미래 정보가 주어졌을 때 최적의 행동을 배우고(Teacher), 이후 미래 조건과 행동을 동시에 스스로 예측하도록 훈련받습니다(Student). 실험 결과, WoG는 시뮬레이션과 실제 로봇 환경 모두에서 기존 방법론을 압도하는 성능을 보였으며, 특히 처음 보는 환경에 대한 일반화 능력과 대규모 인간 비디오 데이터를 활용하는 능력에서 뛰어난 잠재력을 입증했습니다. 이는 로봇이 더 효율적이고 지능적으로 미래를 계획하고 행동하게 만드는 중요한 진전입니다.

연구 배경 및 동기

인간처럼 물리적 세계와 상호작용하는 로봇, 즉 체화된 인공지능(Embodied AI)의 실현은 인공지능 분야의 오랜 목표입니다. 최근 Vision-Language-Action (VLA) 모델은 시각 정보와 자연어 지시를 이해하여 로봇의 행동을 생성하는 강력한 패러다임으로 부상했습니다. VLA 모델은 현재 관찰( $o_t$ )과 언어 지시( $l$ )를 입력받아 다음 행동( $a_t$ )을 출력하는 방식으로 작동하며, 이는 많은 단기 작업에서 인상적인 성공을 거두었습니다.

하지만 로봇이 단순히 반응하는 것을 넘어, 여러 단계로 이루어진 복잡하고 긴 호흡의 작업을 수행하려면 '미래 예측', 즉 자신의 행동이 어떤 결과를 초래할지 예상하는 능력이 필수적입니다. 예를 들어, 좁은 틈으로 컵을 옮기려면 컵이 도중에 장애물에 부딪히지 않을 미래 경로를 예측해야 하고, 천을 접으려면 현재의 접는 행동이 최종적으로 어떤 모양을 만들지 상상할 수 있어야 합니다. 이러한 능력을 '월드 모델(World Model)'이라고 부릅니다.

기존 연구들은 월드 모델을 VLA에 통합하기 위해 여러 접근법을 시도했지만, 명확한 한계에 부딪혔습니다.

픽셀 공간에서의 직접 예측 (Direct Pixel Prediction): 가장 직관적인 방법은 미래의 카메라 프레임 전체를 비디오처럼 예측하는 것입니다. 하지만 이 방식은 엄청난 계산 비용을 요구하며, 예측된 이미지는 종종 흐릿하고 부정확합니다. 더 큰 문제는, 프레임의 모든 픽셀이 로봇의 다음 행동에 중요한 것은 아니라는 점입니다. 배경의 미세한 변화나 조명 같은 행동과 무관한 정보까지 예측하려다 보니 정작 중요한 정보의 품질이 저하되는 비효율이 발생합니다.
잠재 공간에서의 예측 (Latent Space Prediction): 계산 비효율을 해결하기 위해, 많은 연구가 미래 프레임을 저차원의 잠재 벡터(latent vector)로 압축하여 예측하는 방식을 채택했습니다. 이는 계산적으로 효율적이지만, 압축 과정에서 행동에 필요한 **세밀한 정보(fine-grained information)**가 손실될 위험이 큽니다. 예를 들어, 얇은 전선을 집어야 할 때, 압축된 잠재 벡터는 전선의 정확한 위치나 형태 정보를 잃어버려 정교한 조작을 안내하기 어려울 수 있습니다.

이처럼 기존 접근법들은 **'효율적인 미래 표현'**과 **'세밀한 정보 보존'**이라는 두 마리 토끼를 동시에 잡지 못하는 딜레마에 빠져 있었습니다. 본 연구는 바로 이 지점(gap)에서 다음과 같은 핵심 질문을 던집니다.

"미래의 모든 것을 예측하는 대신, 오직 행동 생성에 직접적으로 도움이 되는 핵심적인 미래 정보만을 효율적으로 추출하고 예측하여 로봇을 안내할 수는 없을까?"

WoG는 이 질문에 대한 답으로, 미래를 '조건 공간'이라는 새로운 개념으로 모델링하여 VLA 모델의 행동 생성 능력을 극대화하는 방법을 제안합니다.

연구 분야	대표 연구	접근 방식	WoG와의 차별점
VLA 모델	RT-2, Gato	현재 관찰 기반의 반응형 행동 생성	명시적인 미래 예측을 통해 계획 능력 강화
월드 모델	Dreamer	잠재 공간에서 미래 상태 예측 및 계획	픽셀/잠재 공간 대신 행동-관련 조건 공간을 예측하여 효율과 정보량의 균형 달성
목표 조건화	Goal-Conditioned RL	최종 목표 이미지를 조건으로 사용	최종 목표가 아닌 가까운 미래를 조건으로 삼아 동적인 작업에 더 효과적으로 대응
Diffusion 정책	Diffusion-Policies	행동 시퀀스 분포를 직접 모델링	미래 상태를 명시적으로 예측하고 이를 행동 생성의 가이드로 활용
인간 데이터 활용	UMI, MimicPlay	인간 비디오로 로봇 정책 학습	embodiment-agnostic한 조건 공간을 통해 인간-로봇 간의 지식 이전을 용이하게 함

핵심 기여

본 논문은 다음과 같은 네 가지 핵심적인 기여를 제시합니다.

새로운 월드 모델링 패러다임, '조건 공간' 제시: 미래를 픽셀이나 일반적인 잠재 공간이 아닌, 행동 생성에 직접 필요한 정보만을 압축한 저차원의 **'조건 공간(Condition Space)'**으로 모델링하는 새로운 개념을 제안했습니다. 이는 월드 모델링의 효율성과 정보 보존 사이의 오랜 딜레마를 해결하는 혁신적인 접근법입니다.
효과적인 2단계 공동 학습(Co-Training) 프레임워크: 모델이 효과적으로 미래를 내재화하도록 돕는 2단계 학습 전략을 설계했습니다. 1단계에서는 '정답' 미래가 주어진 상태에서 최적의 행동을 배우고(Teacher), 2단계에서는 미래 조건과 행동을 동시에 예측하도록 훈련(Student)합니다. 이 공동 학습 과정은 모델이 예측과 제어를 긴밀하게 연결하도록 강제하는 핵심 메커니즘입니다.
시뮬레이션과 현실 세계를 아우르는 SOTA 성능 입증: 다양한 로봇 조작 벤치마크에서 기존 VLA 모델 및 미래 예측 기반 모델들을 큰 차이로 능가하는 성능을 달성했습니다. 특히, 학습 데이터와 다른 환경(Out-of-Distribution)에서의 뛰어난 일반화 능력을 보여주어 실제 적용 가능성을 높였습니다.
다양한 데이터 소스를 활용한 확장성 증명: WoG가 학습한 조건 공간은 특정 로봇에 종속되지 않는 일반적인 물리적 의미를 포착합니다. 이를 통해 행동 레이블이 없는 대규모 인간 비디오나, 전혀 다른 시점과 형태를 가진 데이터(UMI)를 효과적으로 활용하여 성능을 극적으로 향상시킬 수 있음을 실험적으로 증명했습니다.

제안 방법론

WoG의 핵심 아이디어는 미래 관찰( $o_{future}$ )을 직접 예측하는 대신, 행동에 유용한 정보만을 담은 압축된 조건 벡터 $c_{future}$ 를 예측하고, 이를 행동 생성의 '가이드'로 사용하는 것입니다. 이 아이디어를 구현하기 위해 WoG는 독창적인 2단계 학습 파이프라인을 사용합니다.

모델 아키텍처

WoG는 크게 두 가지 주요 구성 요소로 이루어집니다.

VLA 백본 (VLA Backbone): Transformer 기반의 멀티모달 모델로, 시각적 토큰(visual token)과 언어 지시 임베딩(language embedding)을 입력받아 행동( $a_t$ )과 미래 조건( $c_{future}$ )을 예측합니다.
미래 인코더 (Future Encoder, $E$ ): 미래 관찰 이미지( $o_{future}$ )를 입력받아 저차원의 조건 벡터( $c_{future}$ )로 압축하는 역할을 합니다. 이 인코더는 사전 훈련된 강력한 비전 모델(예: DINOv2)과 Q-Former로 구성됩니다. Q-Former는 소수의 학습 가능한 쿼리 벡터를 사용하여 비전 특징 맵에서 행동과 관련된 핵심 정보를 '질의'하고 요약하는 역할을 수행합니다.

2단계 학습 프로세스

1단계: 미래를 보고 행동하는 법 배우기 (Teacher Training)

첫 번째 단계의 목표는 VLA 모델에게 이상적인 미래 정보가 주어졌을 때 최적의 행동을 생성하는 법을 가르치는 것입니다. 이 단계에서 VLA 모델은 일종의 '전지전능한 학생'이 되어 정답지(미래)를 보고 문제를 풉니다.

입력: 현재 관찰 $o_t$ , 언어 지시 $l$ , 그리고 실제 미래 관찰 $o_{future}$ .
프로세스:
1. 실제 미래 관찰 $o_{future}$ 를 **미래 인코더 $E$ **에 통과시켜 '정답' 미래 조건 벡터 $c_{future} = E(o_{future})$ 를 생성합니다.
2. VLA 모델 $\pi$ 는 현재 관찰 $o_t$ , 언어 지시 $l$ , 그리고 방금 생성된 정답 미래 조건 $c_{future}$ 를 모두 입력받아 행동 $a_t$ 를 예측하도록 학습됩니다.
손실 함수: 이 과정은 다음과 같은 행동 예측 손실(L2 손실)을 최소화하는 방향으로 학습됩니다.

L_{action\_stage1} = \mathbb{E}_{(o_t, l, a_t, o_{future}) \sim \mathcal{D}} [ || a_t - \pi(o_t, l, E(o_{future})) ||^2 ]

여기서 $\mathcal{D}$ 는 전문가 시연 데이터셋을 의미합니다. 이 단계를 통해 VLA 모델과 미래 인코더는 미래 정보가 행동 생성에 어떻게 유용하게 사용될 수 있는지 학습하게 됩니다.

2단계: 미래를 스스로 예측하고 행동하기 (Student Training)

두 번째 단계의 목표는 VLA 모델이 외부의 도움 없이 스스로 미래를 예측하고, 그 예측을 기반으로 행동을 결정하는 능력을 내재화하도록 만드는 것입니다. 1단계에서 훈련된 '선생님'인 미래 인코더는 이제 지식을 전달하는 역할만 수행합니다.

프로세스:
1. 1단계에서 학습된 **미래 인코더 $E$ 를 동결(freeze)**시킵니다. 이제 $E$ 는 변하지 않는 '정답 생성기' 역할을 합니다.
2. VLA 모델 $\pi$ 는 이제 현재 관찰 $o_t$ 와 언어 지시 $l$ 만을 입력받습니다.
3. VLA 모델은 두 가지를 동시에 예측하도록 훈련됩니다: (1) 다음 행동 $\hat{a}_t$ , (2) 미래 조건 $\hat{c}_{future}$ .
손실 함수: 2단계의 전체 손실 함수는 행동 예측 손실과 미래 조건 예측 손실의 가중합으로 구성됩니다.

먼저, 미래 조건 예측 손실은 VLA 모델이 예측한 미래 조건( $\hat{c}_{future}$ )이 동결된 미래 인코더가 생성할 정답 미래 조건( $c_{future} = E(o_{future})$ )과 유사해지도록 유도합니다.

L_{condition} = \mathbb{E}_{(o_t, l, o_{future}) \sim \mathcal{D}} [ || E(o_{future}) - \hat{c}_{future}(o_t, l) ||^2 ]

이 손실 함수는 VLA 모델 내부에 일종의 월드 모델을 구축하도록 강제하는 핵심적인 역할을 합니다.

다음으로, 행동 예측 손실은 기존의 모방 학습(imitation learning)과 동일합니다.

L_{action} = \mathbb{E}_{(o_t, l, a_t) \sim \mathcal{D}} [ || a_t - \hat{a}_t(o_t, l) ||^2 ]

최종적으로 2단계의 전체 손실 함수는 다음과 같습니다.

L_{total} = L_{action} + \lambda \cdot L_{condition}

여기서 $\lambda$ 는 두 손실 간의 상대적 중요도를 조절하는 하이퍼파라미터입니다. 이 공동 학습(co-training) 과정을 통해 VLA 모델은 단순히 행동을 모방하는 것을 넘어, 행동의 결과를 예측하고 그 예측을 다시 행동 계획에 반영하는 선순환 구조를 학습하게 됩니다.

실험 설정

WoG의 성능을 검증하기 위해 시뮬레이션과 실제 로봇 환경에서 광범위한 실험이 수행되었습니다.

시뮬레이션 환경: ManiSkill2 벤치마크의 다양한 조작 작업을 사용했습니다. (예: Pick and Place, Fold, Stack)
실제 로봇 환경: Franka Panda 로봇 팔을 사용하여 시뮬레이션과 유사한 작업을 수행했습니다.
데이터셋:
- 로봇 시연 데이터: 전문가가 조종하여 수집한 로봇의 관찰-행동-미래 관찰 튜플 데이터.
- 인간 비디오 데이터: 대규모 인간 조작 비디오 데이터셋(예: Something-Something v2)을 사용하여 모델의 일반화 능력을 테스트했습니다.
- UMI 데이터셋: 로봇 학습을 위해 수집된 대규모 데이터셋으로, 다른 시점(egocentric)과 형태(embodiment)를 가지고 있어 모델의 확장성을 평가하는 데 사용되었습니다.
평가 지표: 주요 평가지표는 **작업 성공률(Success Rate, SR)**입니다. 훈련 데이터와 유사한 환경에서의 성능(In-Distribution, ID)과 배경, 조명, 물체 등이 변경된 새로운 환경에서의 성능(Out-of-Distribution, OOD)을 모두 측정하여 일반화 능력을 평가했습니다.
비교 모델 (Baselines):
- vanilla VLA: 미래 예측 없이 현재 관찰만으로 행동을 예측하는 표준 VLA 모델.
- WoG w/o cotrain: WoG의 2단계 학습에서 미래 조건 예측 손실( $L_{condition}$ )을 제거한 모델. 이는 공동 학습의 중요성을 확인하기 위한 Ablation study 모델입니다.
- WoG: 본 논문에서 제안하는 전체 프레임워크.

하이퍼파라미터

파라미터	값	설명
학습률 (Learning Rate)	1e-4	AdamW 옵티마이저 사용
배치 크기 (Batch Size)	128
조건 공간 차원 (Dim of $c_{future}$ )	32	미래 정보를 압축한 벡터의 크기
손실 가중치 ( $\lambda$ )	0.1	행동 손실과 조건 손실 간의 가중치
비전 인코더 (Vision Encoder)	DINOv2	사전 훈련된 비전 모델

실험 결과 분석

주요 결과: WoG의 압도적인 성능

실험 결과, WoG는 모든 태스크와 환경에서 기존 베이스라인 모델들을 큰 폭으로 능가했습니다.

모델	Pick & Place (ID)	Pick & Place (OOD)	Fold (ID)	Fold (OOD)
vanilla VLA	65%	40%	55%	35%
WoG w/o cotrain	68%	42%	58%	36%
WoG (Ours)	85%	65%	75%	55%

성능 향상 분석: OOD 환경에서의 Pick & Place 작업을 예로 들면, vanilla VLA의 성공률은 40%였으나 WoG는 65%를 달성했습니다. 이는 62.5%의 상대적 성능 향상((65-40)/40)으로, WoG의 미래 예측 능력이 새로운 환경에 대한 강인함(robustness)을 크게 향상시킴을 의미합니다.
복잡한 작업에서의 강점: 특히 천을 접는 'Fold' 작업처럼 여러 단계의 계획이 필요한 장기 작업(long-horizon task)에서 성능 향상 폭이 더 컸습니다. 이는 WoG가 단기적인 반응을 넘어 미래를 고려한 계획을 수립하는 데 효과적임을 시사합니다.

Ablation Study: 공동 학습(Co-training)의 중요성

WoG w/o cotrain 모델의 성능은 vanilla VLA와 거의 비슷했으며, 완전한 WoG 모델에는 크게 미치지 못했습니다. 이는 매우 중요한 사실을 시사합니다. 단순히 1단계에서 미래 정보를 입력으로 사용해 본 경험만으로는 모델이 미래 예측 능력을 내재화하기에 부족합니다. 2단계에서 미래 조건을 명시적으로 예측하도록 강제하는 공동 학습 과정( $L_{condition}$ )이 WoG의 성능 향상에 결정적인 역할을 한다는 것이 증명된 셈입니다.

인간 및 외부 데이터 활용 능력

WoG의 진정한 강점은 다양한 데이터 소스를 통합하는 능력에서 드러납니다.

인간 비디오 데이터 활용: 행동 레이블이 없는 대규모 인간 비디오를 조건 예측( $L_{condition}$ ) 학습에만 사용했을 때, 일부 작업에서는 성능이 향상되었지만 인간과 로봇의 손 모양이나 움직임 차이가 큰 작업에서는 오히려 성능이 저하되기도 했습니다. 하지만, 소량의 행동 레이블이 있는 인간 비디오를 함께 사용하자 모든 ID 및 OOD 환경에서 일관되게 성능이 크게 향상되었습니다. 이는 WoG의 조건 공간이 인간의 조작 지식을 로봇에게 효과적으로 이전하는 다리 역할을 할 수 있음을 보여줍니다.
UMI 데이터셋을 통한 확장성: 사전 훈련에 사용되지 않은, 전혀 다른 시점(egocentric)과 로봇 형태를 가진 UMI 데이터셋으로 WoG를 미세 조정(fine-tuning)하자, 성공률이 극적으로 향상되었습니다 (예: Pick & Place OOD 65% → 85%, Fold OOD 55% → 80%). 이는 WoG가 학습한 조건 공간이 특정 로봇이나 카메라 뷰에 종속되지 않는, **보편적인 물리적 동역학(embodiment-agnostic physical dynamics)**을 포착하고 있음을 강력하게 시사합니다. 이 덕분에 WoG는 매우 높은 확장성을 가집니다.

비판적 평가

강점

개념적 우아함과 효율성: '조건 공간'이라는 아이디어는 복잡한 미래를 효율적이면서도 정보 손실을 최소화하여 표현하는 매우 영리한 해결책입니다.
강력한 실험적 검증: 시뮬레이션과 실제 로봇, ID와 OOD 환경을 아우르는 광범위한 실험을 통해 제안 방법론의 우수성을 명확하게 입증했습니다.
뛰어난 일반화 및 확장성: OOD 환경에서의 강인함과 이종(heterogeneous) 데이터(인간 비디오, UMI)를 효과적으로 활용하는 능력은 WoG가 연구실 수준을 넘어 실제 산업 현장에 적용될 수 있는 잠재력을 보여줍니다.
명확한 Ablation Study: 공동 학습의 중요성을 명확히 분리하여 실험함으로써, 모델 성능 향상의 핵심 요인이 무엇인지 설득력 있게 제시했습니다.

한계점 및 개선 방향

미래 인코더에 대한 의존성: 2단계에서 '학생' 모델의 성능은 동결된 '선생님' 모델(미래 인코더)의 품질에 의해 상한이 결정됩니다. 만약 1단계에서 미래 인코더가 충분히 잘 학습되지 않는다면, 2단계 학습의 효율이 떨어질 수 있습니다.
미래 시점 선택의 모호성: '미래'를 몇 프레임 또는 몇 초 뒤로 설정할 것인지는 중요한 하이퍼파라미터입니다. 작업의 시간적 스케일(예: 빠른 반응이 필요한 작업 vs. 느린 계획이 필요한 작업)에 따라 최적의 미래 시점이 달라질 수 있으며, 이에 대한 분석이 더 필요합니다.
결정론적 예측의 한계: 현재 WoG는 미래 조건을 단일 벡터로 예측하는 결정론적(deterministic) 모델입니다. 하지만 현실 세계는 본질적으로 불확실하고 확률적(stochastic)입니다. 미래 조건을 확률 분포로 모델링하는 VAE나 Diffusion 모델과 같은 생성 모델을 도입하면 불확실성에 더 강인하게 대처할 수 있을 것입니다.

재현성

논문에서 제안된 방법론은 상세히 기술되어 있으며, 프로젝트 페이지를 통해 코드와 추가 자료를 제공하고 있어 재현성은 비교적 높을 것으로 평가됩니다. 다만, 실제 로봇 하드웨어와 데이터 수집 환경을 완전히 동일하게 구축하는 것은 현실적인 어려움이 따를 수 있습니다.

향후 연구 방향

WoG는 미래 연구를 위한 풍부한 가능성을 제시합니다.

계층적 미래 예측 (Hierarchical Prediction): 단일 미래 시점 대신, 가까운 미래부터 먼 미래까지 여러 시간대의 조건 공간을 계층적으로 예측하여 더욱 정교한 장기 계획을 수립하는 연구가 가능합니다.
멀티모달 조건 공간 (Multi-modal Condition Space): 현재는 시각 정보만을 사용하지만, 로봇의 접촉 감지(tactile)나 힘/토크(force/torque) 센서 데이터를 조건 공간에 통합하여 섬세한 상호작용이 필요한 조립(assembly)과 같은 작업의 성능을 높일 수 있습니다.
온라인 적응 (Online Adaptation): 새로운 환경에 배치된 로봇이 상호작용을 통해 실시간으로 자신의 월드 모델(미래 조건 예측기)을 업데이트하고 적응해 나가는 온라인 학습 메커니즘을 개발할 수 있습니다.
대규모 데이터셋으로의 확장: 인터넷 스케일의 비디오 데이터와 로봇 데이터를 활용하여 WoG 프레임워크를 더욱 확장하고, 인간 수준의 일반화 능력을 갖춘 로봇 조작 모델을 구축하는 연구로 이어질 수 있습니다.

실무 적용 가이드

WoG 프레임워크를 실제 프로젝트에 적용하고자 할 때 고려해야 할 몇 가지 사항이 있습니다.

강력한 사전 훈련 모델 활용: WoG의 성능은 VLA 백본과 비전 인코더의 성능에 크게 의존합니다. 따라서 가능한 한 가장 성능이 좋은 사전 훈련된 모델(예: DINOv2, VILA)을 기반으로 시작하는 것이 좋습니다.
데이터 품질의 중요성: 학습 데이터, 특히 로봇 시연 데이터의 품질과 다양성이 최종 성능을 좌우합니다. 다양한 물체, 배경, 조명 조건에서 데이터를 수집하는 것이 일반화 성능에 매우 중요합니다.
하이퍼파라미터 튜닝: 손실 가중치 $\lambda$ 는 가장 민감한 하이퍼파라미터 중 하나입니다. $\lambda$ 가 너무 크면 모델이 행동 예측을 소홀히 할 수 있고, 너무 작으면 미래 예측 능력을 제대로 학습하지 못할 수 있습니다. 작은 규모의 실험을 통해 최적의 값을 찾는 과정이 필요합니다.
점진적 배포: 처음부터 복잡한 실제 환경에 적용하기보다는, 통제된 시뮬레이션 환경에서 모델을 충분히 검증하고, 점차적으로 현실 세계로 옮겨가며 미세 조정하는(sim-to-real) 접근법이 안전하고 효과적입니다.

결론

**WoG (World Guidance)**는 로봇이 미래를 예측하고 행동하는 방식에 대한 새로운 관점을 제시하는 중요한 연구입니다. 미래의 모든 시각적 정보를 예측하려는 기존의 비효율적인 접근법에서 벗어나, 행동에 직접적으로 관련된 핵심 정보만을 압축한 **'조건 공간'**을 예측하도록 유도함으로써, 모델의 효율성과 성능을 동시에 달성했습니다. 독창적인 2단계 공동 학습 프레임워크는 VLA 모델이 월드 모델을 효과적으로 내재화하도록 만들었으며, 이는 다양한 실험 환경에서 압도적인 성능과 뛰어난 일반화 능력으로 증명되었습니다. WoG는 복잡하고 동적인 세상에서 한 단계 더 높은 자율성을 갖춘 지능형 로봇을 향한 의미 있는 이정표가 될 것입니다.

참고 자료

논문 원문 (arXiv): https://arxiv.org/abs/2602.22010
프로젝트 페이지: https://selen-suyue.github.io/WoGNet/