■ 概要 画像、動画などの多様なマルチモーダル入力から、高精度な構造を持つ3Dワールド全体を構築・シミュレートするための包括的な世界モデルである。 ■ 特徴・用途 再構成（Reconstruction）、生成（Generation）、シミュレーションという3大要素を単一の「世界モデル」で統合している点が画期的であり、汎用的なデジタルコンテンツパイプラインを可能にする。テキストや画像といった多様なモダリティをネイティブに扱えるため、プロンプトベースの環境構築や、物理的制約を持ったシミュレーション（例：オブジェクトの動きの予測）への応用が期待できる。 ■ 結論 単なる画像生成を超え、時間的・空間的な連続性を扱う「ワールドモデル」としての設計が、次世代のメタバースやデジタルツイン分野における開発基盤となり得る。