Опубликован всеобъемлющий обзор мировых моделей: от PlaNet до Sora
На arXiv опубликован масштабный обзор, посвящённый мировым моделям (world models) — внутренним симуляторам, которые изучают структуру и динамику среды и позволяют агентам прогнозировать, планировать и рассуждать. Работа охватывает более чем десятилетнюю эволюцию этой ключевой парадигмы на пути к искусственному общему интеллекту.
Авторы предлагают многомерную таксономию по четырём осям: архитектура (формат представления, формулировка динамики, модальность входа, парадигма обучения), методологическое семейство (государственно-пространственные, рекуррентные, трансформерные, диффузионные, физически-информированные и мультимодальные языковые системы), стратегия рассуждения (планирование на основе воображения, латентное обучение политике, контрфактическое рассуждение, планирование в условиях неопределённости) и область применения (робототехника, автономное вождение, предсказание видео, мультимодальные агенты, обучение с подкреплением, научное моделирование, медицинская визуализация, образование, бизнес и финансы).
В обзоре подробно рассматриваются ключевые вехи: PlaNet, семейство Dreamer, MuZero от DeepMind, а также генеративные системы Sora от OpenAI, Cosmos от NVIDIA и Genie от Google DeepMind. Особо отмечается недавняя конвергенция цепочек рассуждений (chain-of-thought) с воображением модели мира, что открывает новые возможности для планирования и логического вывода.
Исследователи также анализируют протоколы оценки и существующие бенчмарки, указывая на такие проблемы, как накопление ошибок прогнозирования, перенос из симуляции в реальность и фрагментированность методов тестирования. В работе обозначены перспективные направления: создание унифицированных мультимодальных мировых моделей, фундаментальных интерактивных симуляторов масштаба foundation model и безопасное развёртывание в критически важных областях.
Обзор предоставляет единую систему понятий для быстро развивающейся области и может служить отправной точкой как для новичков, так и для experienced исследователей, стремящихся понять текущее состояние и будущие вызовы мировых моделей.
