SimWAM: un modelo de acción del mundo simple para conducción autónoma de extremo a extremo | Modelo de mundo accionable que predice y planifica acciones de conducción directamente desde la observación | Aplicación de modelos de mundo a robótica y vehículos autónomos para planificación de acciones en tiempo real

Abstract

PROBLEMA: los modelos de mundo en conducción autónoma suelen separar la predicción del entorno de la selección de acciones, requiriendo arquitecturas complejas y costosas que limitan su aplicabilidad en tiempo real. SOLUCIÓN: SimWAM propone un modelo de acción del mundo simple y de extremo a extremo que unifica la comprensión del entorno y la generación de acciones de conducción, incorporando la acción directamente en el modelado del mundo para producir comportamientos de control coherentes con la dinámica del escenario. METODOLOGÍA: se diseña una arquitectura ligera entrenada de manera end-to-end que combina la representación del entorno con la salida de acciones, evaluándose en simuladores y datasets de conducción estándar frente a pipelines separados de predicción y control. RESULTADOS: el modelo logra un rendimiento competitivo o superior en métricas de conducción (seguridad, suavidad y cumplimiento de objetivos) con una complejidad y latencia sensiblemente menores que enfoques modulares, demostrando viabilidad para despliegue en tiempo real. RELEVANCIA: ejemplifica la integración de modelos de mundo con planificación de acciones, un principio reutilizable para agentes robóticos y sistemas de control basados en aprendizaje, y aporta un diseño simple y eficiente relevante para world models de propósito general.