Seeing Beyond the Next Step: World-Model-Guided Human-Like Navigation in Multi-Agent Scenes
Pubblicata su AIChronos il · fonte del · Seong-Eun Hong, JuYeong Hwang, Jinhyun Kim, Hanyoung Jang, HyeongYeop Kang
Il paper propone un approccio per la navigazione multi-agente che integra modelli del mondo (world models) durante il processo di addestramento invece che all'inferenza. Questi modelli fungono da oracolo delle preferenze per distillare capacità predittive e visione a lungo termine in una politica rapida, eliminandoli prima della fase di deployment. Il risultato è un agente capace di evitare fallimenti invisibili dallo stato corrente, come incrociare la strada invece del marciapiede o intasare passaggi stretti.
- I modelli del mondo vengono utilizzati esclusivamente al training time per distillare il foresight in una politica veloce.
- Al deployment (inference), i world models sono rimossi, permettendo all'agente di agire con un singolo forward pass senza costi computazionali aggiuntivi online.
- L'approccio utilizza due modelli del mondo task-aligned: uno per le dinamiche sociali vicine e l'altro per la semantica futura della scena.
- La navigazione risultante è valutata come più sicura, socialmente coerente e simile al comportamento umano rispetto alle baselines reattive.
- Il metodo risolve il falso dilemma tra velocità di inferenza e capacità predittiva tramite amortizzazione dei costi nel training.
Perché conta. Per gli sviluppatori che lavorano con agenti autonomi o LLM locali, questo approccio dimostra come incorporare la ragionamento a lungo termine (foresight) senza sacrificare le prestazioni in tempo reale, spostando il costo computazionale dalla fase di inferenza critica alla fase di training.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.