Grupo de Leitura BRISA 04 - LeWorldModel

Antes do nosso lançamento oficial neste outono, estamos continuando nossa série de pré-lançamento com outro grupo de leitura: sentar-se com um artigo, entendê-lo adequadamente e perguntar o que seria necessário para construí-lo nós mesmos. Nosso quarto artigo é LeWorldModel: Arquitetura Preditiva de Embedding Conjunto Estável de Ponta a Ponta a partir de Pixels (Maes et al., 2026), que pergunta: Quão simples um modelo de mundo pode se tornar enquanto ainda é útil para planejamento? Modelos de mundo aprendem a prever como um ambiente pode mudar sob diferentes ações, tornando possível comparar futuros possíveis antes de agir. LeWorldModel, ou LeWM, adota uma abordagem relativamente simples. Em vez de prever imagens futuras pixel a pixel, ele aprende uma representação compacta da cena e prevê como essa representação muda quando diferentes ações são tomadas. Um dos principais desafios com esse tipo de modelo é evitar que essas representações aprendidas colapsem durante o treinamento. LeWM usa SIGReg para estabilizar esse processo, permitindo que todo o modelo seja treinado diretamente a partir de pixels e ações sem depender de um codificador visual pré-treinado. O modelo resultante possui cerca de 15 milhões de parâmetros, pode ser treinado em uma única GPU em algumas horas e utiliza sua dinâmica aprendida para planejar em direção a um objetivo. Os autores relatam um planejamento até 48× mais rápido que o DINO-WM, enquanto permanecem competitivos em várias das tarefas de controle avaliadas. O que torna o artigo especialmente interessante é quanta maquinaria aparentemente não é necessária. Isso levanta a possibilidade de que modelos de mundo relativamente pequenos já possam ser suficientes para aprender dinâmicas úteis e apoiar um planejamento eficaz. No grupo de leitura, veremos por que essa abordagem relativamente simples funciona, o que o modelo realmente aprende sobre seu ambiente e onde essa simplicidade pode começar a se tornar uma limitação. A pergunta mais ampla é: Até onde um modelo de mundo latente compacto como esse pode escalar em direção à manipulação robótica real? Não é necessário preparo. Dê uma olhada no resumo se você tiver dez minutos. Todos são bem-vindos — não importa o que você estuda, onde você estuda e quanto robótica você já fez até agora. Venha com perguntas, desacordos ou sua própria opinião sobre o que um modelo de mundo para robótica realmente deve aprender. 🎟️ Há apenas um número limitado de vagas, para que possamos manter a sessão pessoal e interativa. Inscreva-se antecipadamente e participe apenas se você recebeu um ingresso. 📍 Hospedado no Merantix AI Campus. As portas abrem às 18:30, começamos às 18:45. 👋 Novo aqui? Junte-se ao grupo da comunidade — tudo o mais é anunciado lá primeiro.