De Píxeles a Estados: Modelos de Mundo Interactivos como Motores de Juego | Uso de IA generativa para crear simuladores de entrenamiento | Framework para convertir modelos visuales en entornos lógicos de acción

Abstract

PROBLEMA: Los modelos de mundo actuales a menudo operan como meros generadores de video, careciendo de la interactividad estructurada y la consistencia de estado necesarias para actuar como verdaderos entornos de entrenamiento. SOLUCIÓN: El paper propone repensar los Modelos de Mundo Interactivos (IWM) como motores de juego (Game Engines) que mantienen una coherencia interna de estados lógicos. METODOLOGÍA: Desarrollan un framework que mapea directamente secuencias de píxeles a grafos de estado que pueden ser manipulados por acciones, permitiendo una simulación de 'bucle cerrado'. RESULTADOS: Los agentes entrenados en estos 'motores de mundo' muestran una transferencia mucho más efectiva a entornos reales que aquellos entrenados en simuladores puramente visuales. RELEVANCIA: Representa un avance hacia la creación de gemelos digitales y entornos de simulación sintéticos altamente realistas para IA física.