world2vec: Modelli del mondo meccanicistici attraverso l’apprendimento delle dinamiche latenti

Abstract degli autori

I modelli del mondo possono ottenere prestazioni di controllo elevate senza rappresentare fedelmente le dinamiche dell’ambiente in cui operano, limitando il loro potenziale per l’interpretabilità meccanicistica e la scoperta scientifica. Qui presentiamo world2vec, un metodo per apprendere modelli del mondo meccanicistici direttamente da osservazioni e azioni, senza informazioni sulla ricompensa. world2vec apprende dinamiche latenti che riproducono fedelmente il sistema reale su orizzonti di previsione lunghi, con almeno un ordine di grandezza in meno di parametri rispetto a DreamerV3, TD-MPC2 e LeWM. Questo consente di ottenere prestazioni di controllo allo stato dell’arte in ambienti continui a partire dai pixel e un’identificazione accurata del sistema su un benchmark di 71 attrattori, dimostrando che i modelli del mondo si prestano alla scoperta scientifica.