WorldFoundry: verso un’infrastruttura unificata per l’intelligenza del mondo

Abstract degli autori

I modelli generativi visivi rendono sempre più sfumato il confine tra la sintesi di osservazioni e la simulazione di ambienti. La plausibilità visiva, tuttavia, da sola non basta a costituire un’efficace modellazione del mondo: risultati convincenti possono essere privi di uno stato persistente, di dinamiche fisiche o di risposte alle interazioni coerenti sul piano causale. Definiamo un modello generativo del mondo come un sistema dinamico predittivo che mantiene una rappresentazione persistente dell’ambiente condizionata alla storia, aggiorna tale rappresentazione in risposta ad azioni o interventi e genera traiettorie coerenti nel tempo, che riflettono gli esiti degli interventi osservati e controfattuali. A partire da questa definizione, elaboriamo un quadro orientato all’intelligenza che comprende radicamento percettivo, modellazione dello stato persistente, trasformazione controllabile, previsione consapevole delle dinamiche e interazione a ciclo chiuso. Presentiamo WorldFoundry, un’infrastruttura open source per l’inferenza e la valutazione riproducibili nei sistemi video, 3D e 4D, di azione incarnata e di mondi interattivi. WorldFoundry unifica la ricerca di modelli e benchmark, la preparazione dell’ambiente di esecuzione e delle risorse, l’orchestrazione dell’esecuzione, la gestione degli artefatti e la visualizzazione interattiva, mentre adattatori specifici per ciascuna modalità preservano gli input nativi, la semantica di esecuzione, le rappresentazioni degli output e i protocolli di valutazione. Manifest espliciti, contratti durevoli per gli artefatti e schede di valutazione che tengono conto delle evidenze distinguono la prontezza all’esecuzione dalle affermazioni valutative, rendendo ogni affermazione riconducibile agli artefatti che la supportano. Il catalogo contiene 270 schede di modelli, 74 benchmark e 62 schede di metriche registrate; lo stato di prontezza e le evidenze di esecuzione sono documentati separatamente. WorldFoundry consente il confronto riproducibile delle dinamiche persistenti e controllabili tra sistemi eterogenei, facendo avanzare il settore dalla sintesi percettiva verso un’intelligenza del mondo misurabile.