Waarom is dit belangrijk?
Onderzoekers laten machines vooraf oefenen met nieuwe handelingen, zonder elke stap eerst in de echte wereld te hoeven testen. In de robotica en bij zelfrijdende voertuigen gebruiken onderzoekers een wereldmodel om zeldzame situaties na te bootsen. Voor werknemers en reizigers kan dat gevaarlijke proeven verminderen, maar een goede score in de oefening zegt niet altijd hoe een machine zich in het echt gedraagt.
Zo werkt het in de praktijk
Google DeepMind gebruikt het wereldmodel Genie voor interactieve omgevingen. Spelstudio’s maken daarmee een speelbare wereld uit een korte beschrijving. Zij proberen een niveau zo eerst digitaal uit.
Het Shanghai AI Laboratory noemt een wereldmodel een interne voorstelling van een omgeving. Die voorstelling beschrijft hoe de toestand in de tijd verandert. Onderzoekers toetsen wat een handeling daarna waarschijnlijk veroorzaakt, waarna een planner de uitkomsten vergelijkt.
Fei-Fei Li en World Labs splitsen het werk in weergave, nabootsing en planning. Veel modellen gebruiken JEPA, een opzet waarbij het netwerk een compacte interne voorstelling voorspelt. Teams trainen die voorstelling met zelfgestuurd leren op video zonder labels.




