Grupo de Lectura BRISA 04 - LeWorldModel

Antes de nuestro lanzamiento oficial este otoño, continuamos nuestra serie previa al lanzamiento con otro grupo de lectura: sentándonos con un documento, comprendiéndolo adecuadamente y preguntando qué se necesitaría para construirlo nosotros mismos. Nuestro cuarto documento es LeWorldModel: Arquitectura Predictiva de Embebido Conjunto Estable de Punta a Punta desde Pixeles (Maes et al., 2026), que pregunta: ¿Qué tan simple puede llegar a ser un modelo del mundo mientras siga siendo útil para la planificación? Los modelos del mundo aprenden a predecir cómo puede cambiar un entorno bajo diferentes acciones, lo que hace posible comparar futuros posibles antes de actuar. LeWorldModel, o LeWM, adopta un enfoque relativamente simple. En lugar de predecir imágenes futuras píxel por píxel, aprende una representación compacta de la escena y predice cómo cambia esa representación cuando se realizan diferentes acciones. Uno de los principales desafíos con este tipo de modelo es prevenir que esas representaciones aprendidas colapsen durante el entrenamiento. LeWM utiliza SIGReg para estabilizar este proceso, permitiendo que todo el modelo se entrene directamente desde píxeles y acciones sin depender de un codificador visual preentrenado. El modelo resultante tiene alrededor de 15 millones de parámetros, puede ser entrenado en una sola GPU en unas pocas horas y utiliza su dinámica aprendida para planificar hacia un objetivo. Los autores informan que planean hasta 48× más rápido que DINO-WM, mientras permanecen competitivos en varias de las tareas de control evaluadas. Lo que hace que el documento sea especialmente interesante es cuánta poca maquinaria parece necesitar. Plantea la posibilidad de que modelos del mundo relativamente pequeños pueden ser ya suficientes para aprender dinámicas útiles y apoyar una planificación efectiva. En el grupo de lectura, veremos por qué este enfoque relativamente simple funciona, qué aprende realmente el modelo sobre su entorno y dónde esa simplicidad puede empezar a convertirse en una limitación. La pregunta más amplia es: ¿Hasta dónde puede escalar un modelo del mundo latente compacto como este hacia la manipulación robótica real? No se necesita preparación. Ojea el resumen si tienes diez minutos. Todos son bienvenidos — lo que sea que estudies, donde sea que estudies y cuánta robótica hayas hecho hasta ahora. Ven con preguntas, desacuerdos o tu propia opinión sobre lo que un modelo del mundo para robótica debería aprender en realidad. 🎟️ Solo hay un número limitado de lugares, así que podemos mantener la sesión personal e interactiva. Por favor regístrate temprano y asiste solo si has recibido un ticket. 📍 Alojado en el Merantix AI Campus. Las puertas abren a las 18:30, comenzamos a las 18:45. 👋 ¿Eres nuevo aquí? Únete al grupo comunitario — todo lo demás se anuncia allí primero.