Desarrollo de videojuegos agéntico como motor verificable de datos de trayectoria para escalar modelos de mundo | Cómo generar datos de interacción masivos y comprobables para entrenar world models usando agentes que diseñan y juegan videojuegos | Motor de datos sintéticos basado en agentes para escalar el entrenamiento de modelos de mundo en entornos interactivos

Abstract

PROBLEMA: Escalar modelos de mundo de alta fidelidad exige volúmenes enormes de datos de trayectoria estado-acción, pero los datos de interacción real son caros y los datos sintéticos suelen carecer de verificación, introduciendo inconsistencias que degradan el aprendizaje de dinámicas; el cuello de botella no es solo generar datos, sino garantizar su validez comprobable. SOLUCIÓN: El trabajo convierte el desarrollo de videojuegos en un motor agéntico y verificable de datos de trayectoria: agentes diseñan y modifican juegos, otros agentes los juegan, y cada interacción queda validada contra las reglas programáticas del propio juego, garantizando trayectorias consistentes y etiquetables. Estos datos verificados se usan para escalar el entrenamiento de world models. METODOLOGÍA: Se construye un pipeline en el que un agente de desarrollo genera niveles y objetivos dentro de un entorno de juego, un agente jugador interactúa produciendo secuencias estado-acción y un verificador determinista (reglas del juego y objetivos programáticos) valida cada trayectoria, filtra datos inválidos y asigna recompensas fiables; los autores escalan la producción de datos y entrenan world models comparándolos con modelos entrenados con datos sintéticos sin verificar. RESULTADOS: El motor produce grandes volúmenes de trayectorias con alta tasa de validez y bajo coste humano; los world models entrenados con estos datos mejoran la predicción de dinámicas y el control frente a los entrenados con datos no verificados, y la verificación permite auditar la calidad del dataset completo. RELEVANCIA: Integra sistemas agénticos con generación de datos verificables, una idea transferible a cualquier dominio con un verificador disponible (simuladores, juegos, entornos lógicos), y aborda directamente el problema de escalar datos para modelos de mundo y agentes.