FluidWorld: Dinámicas de reacción-difusión como sustrato predictivo para modelos de mundo | Simulación de física fluida en modelos de IA generativa | Cómo integrar leyes físicas de difusión en la predicción de video y entornos dinámicos

Abstract

PROBLEMA: Los modelos de mundo actuales suelen tener dificultades para representar dinámicas continuas y fluidas, centrándose sobre todo en transformaciones de objetos rígidos. SOLUCIÓN: FluidWorld introduce la dinámica de reacción-difusión como un sustrato predictivo fundamental, permitiendo que el modelo de mundo capture comportamientos biológicos, químicos y físicos de naturaleza fluida. METODOLOGÍA: El modelo integra ecuaciones diferenciales parciales dentro de la arquitectura de la red neuronal para guiar la evolución latente de las representaciones del mundo. RESULTADOS: Supera a los modelos basados en Transformers puros en la predicción realista de fenómenos naturales como la propagación de líquidos, difusión de gases y patrones de crecimiento, manteniendo la consistencia visual por más tiempo. RELEVANCIA: Crucial para aplicaciones de modelos de mundo en entornos científicos, meteorológicos o de simulación de materiales donde la física de fluidos es dominante.