SeedWorld: un modello del mondo nell’IA
SeedWorld è un modello del mondo. Conserva una descrizione appresa di una scena e prevede come quella scena cambia quando qualcosa agisce: un passo, una rotazione di camera, una presa, una frenata. I modelli del mondo pubblici si presentano così, dai World Models di Ha e Schmidhuber del 2018 e da Dreamer fino a Genie, Cosmos e V-JEPA. Qui SeedWorld è descritto in quella lingua. Lo stato successivo dipende dall’azione, non solo dal fatto che il fotogramma successivo sembri plausibile.

01 — Il modello
SeedWorld prevede lo stato successivo
Un modello del mondo costruisce una rappresentazione interna di un ambiente e la usa per prevedere come quell’ambiente cambia. L’ingresso utile è una scena insieme a un’azione. SeedWorld è un modello di quel tipo: l’azione fa parte della domanda, e la risposta è lo stato successivo della scena.
I modelli linguistici prevedono la parola successiva. I generatori video prevedono, da un prompt, una sequenza di pixel plausibile. L’articolo World Models del 2018, e poi Dreamer, trattano il modello come un simulatore compatto che si può far proseguire nell’immaginazione. SeedWorld si presenta con quella definizione. Non è un generatore di clip che per caso mostra del movimento.
La letteratura pubblica si avvicina alla stessa definizione da tre direzioni. La descrizione di SeedWorld prende tutte e tre:
- Dinamica latente. World Models di Ha e Schmidhuber, PlaNet e Dreamer imparano un piccolo stato nascosto e una transizione in quello stato. Un agente può pianificare lì prima di agire fuori dal modello. SeedWorld usa questa idea di uno stato compatto che si può far proseguire, invece di trattare ogni pixel come lo stato.
- Video condizionato dall’azione. La serie Genie di DeepMind impara ambienti interattivi dal video, così un tasto o un movimento di camera cambia i fotogrammi successivi. NVIDIA Cosmos è costruito come modelli fondazionali del mondo per scene fisiche: guida, robot e industria. L’uscita visibile di SeedWorld si legge allo stesso modo: fotogrammi che devono seguire l’azione.
- Una rappresentazione, non solo pixel. L’architettura predittiva a embedding congiunti di Yann LeCun, e V-JEPA di Meta, prevedono la rappresentazione astratta successiva di un video invece di ricostruire ogni pixel. SeedWorld condivide quel giudizio: molto dettaglio dei pixel non decide che cosa succede dopo.
La prova rispetto a cui si scrive SeedWorld
Un video convincente può comunque ignorare l’azione. Un muro di mattoni e un muro dipinto possono sembrare uguali se un modello si limita ad accostare le texture. I lavori sui modelli del mondo usano una prova più stretta, ed è quella di SeedWorld: se l’azione cambia, il futuro cambia nel modo corrispondente? La permanenza degli oggetti, il contatto, la gravità e la pianta di una stanza ne fanno parte. Sembrare reale non è tutta la descrizione.

02 — Che cosa prevede
Quattro parti della descrizione di SeedWorld
Sono le domande con cui si descrivono gli altri modelli del mondo. Sono anche quelle con cui si descrive SeedWorld.
Uno stato, latente o visibile
Alcuni modelli del mondo prevedono i pixel successivi. Altri comprimono la scena e prevedono lo stato latente, che è il modo in cui Dreamer fa proseguire il futuro. SeedWorld è descritto come entrambe le cose: uno stato che si può continuare e fotogrammi che una persona può guardare. Ciò che si prevede è lo stato. Il fotogramma è un modo di vederlo.
Un’azione da cui dipende il futuro
Nei modelli in stile Genie l’azione può essere un tasto o una posa di camera. Nei lavori su guida e robotica può essere una traiettoria o un comando articolare. SeedWorld prende l’azione come ingresso nello stesso senso. La stessa storia con due azioni diverse sono due domande, e i futuri previsti devono divergere.
Memoria quando la vista si sposta
Un fotogramma non conserva una mappa. I modelli video più deboli inventano un’altra stanza quando la camera si volta. I modelli del mondo orientati all’esplorazione si discutono in termini di permanenza degli oggetti: impronte, una porta aperta, una cassa spostata. SeedWorld è descritto con quella memoria. Ciò che era dietro la camera fa parte dello stato.
Fisica imparata dai dati
Un motore di gioco scrive massa, attrito e collisione come regole. I modelli del mondo imparati, compresi quelli addestrati per scene fisiche in stile Cosmos, raccolgono quelle regolarità da video, registri di robot o dati di guida. SeedWorld sta da quella parte. Può coprire scene che nessuno ha elencato e, come altri modelli imparati, inventare un contatto che non è mai avvenuto.
- Previsione
- Lo stato successivo della scena, continuato come stato latente e mostrato come fotogrammi
- Condizione
- Un’azione sopra l’osservazione attuale: un movimento, un cambio di camera, una traiettoria o una presa
- Svolgimento
- Lo stato previsto viene rimesso dentro, così il futuro continua oltre un passo
- Che cosa si controlla
- Se l’azione cambia il futuro, se gli oggetti restano e se il contatto resta plausibile
03 — Le previsioni
Previsioni che si chiedono a SeedWorld

Il meteo su una superficie
Da un cortile asciutto di ciottoli, il cambiamento è «inizia a piovere». Un modello video può dipingere strisce sul fotogramma. SeedWorld risponde anche del fatto che le pietre si scuriscano, che l’acqua si raccolga nei punti bassi e che la luce cominci a riflettersi sul suolo bagnato.
Un oggetto e una causa
In un laboratorio, l’azione è spingere una cassa pesante giù dal banco. SeedWorld deve continuare la traiettoria della cassa, il rimbalzo e ciò che la cassa colpisce. Guardare di nuovo la porta deve mostrare la stessa stanza. È il controllo di permanenza degli oggetti usato per altri modelli del mondo esplorabili.
Tre scene, lette come prove
Un luogo e il suo meteo
Scena: Una biblioteca su una scogliera, porte di vetro aperte su una pineta innevata.
Che cosa SeedWorld deve azzeccare: Dopo essere usciti e essersi voltati, le impronte e la stanza lasciata concordano ancora con il percorso.
Contatto tra oggetti
Scena: Un tavolo di vetro, una tazza di ceramica e una brocca d’acqua.
Che cosa SeedWorld deve azzeccare: Una spinta muove la tazza e non il tavolo, e ciò che si versa segue la superficie.
Una strada e un veicolo
Scena: Un incrocio cittadino bagnato al crepuscolo, con traffico e un robot di consegna.
Che cosa SeedWorld deve azzeccare: Due azioni di sterzo diverse producono due futuri che un guidatore riconoscerebbe come distinti.
04 — Il contesto
I contesti in cui si scrivono i modelli del mondo

Scene che una persona può guardare
- Ambienti interattivi. I modelli in stile Genie trasformano il video in un luogo che risponde ai tasti o al movimento della camera. Le scene di SeedWorld sono descritte in quel registro: i fotogrammi successivi sono una risposta, non una clip finita che si riproduce.
- Muoversi in una disposizione. Un’altra linea di modelli del mondo parte da un’immagine o da una breve descrizione e cerca di tenere stabile la disposizione mentre un punto di vista si muove. SeedWorld è descritto come chi tiene quella disposizione nel suo stato.
- Più agenti in una scena. Se agisce più di un agente, ogni futuro previsto deve includere i cambiamenti causati dagli altri. Lo stato di SeedWorld è condiviso in quel senso: una scena, più di un’azione.
- Un’inquadratura considerata prima di costruirla. Il cinema blocca già le scene in un 3D grezzo. Un modello del mondo imparato si discute lì quando luce, meteo e movimenti di camera restano coerenti da una continuazione all’altra. Quella coerenza fa parte di come si descrive SeedWorld.
Futuri che una macchina può far proseguire
- Immaginazione, come in Dreamer. Dreamer aggiorna il comportamento su svolgimenti previsti. Lo svolgimento di SeedWorld è lo stesso oggetto: un futuro che continua dentro il modello, prima di parlare di un’azione al di fuori.
- Scene di guida rare. I dati di guida registrati rappresentano poco ghiaccio, abbagliamento e qualcuno che esce all’improvviso. I modelli del mondo sono studiati come un modo per continuare quelle scene. Le previsioni di strada di SeedWorld si leggono secondo quell’uso: il movimento deve seguire l’azione.
- Confrontare le alternative. Il controllo predittivo campiona molte sequenze di azioni e fa proseguire ciascuna. SeedWorld è il modello che fornirebbe quegli stati successivi. La pagina non descrive un controllore costruito sopra.
05 — Accanto ad altri sistemi
SeedWorld accanto ad altri tipi di sistemi
Questi sistemi possono tutti mostrare una scena in movimento. Rispondono a domande diverse. La colonna SeedWorld prevede uno stato successivo dopo un’azione specifica.
| Simulatore scritto a mano | Generatore video | Predittore di rappresentazioni | SeedWorld | |
|---|---|---|---|---|
| Che cosa prevede | Lo stato successivo da una fisica scritta | Una sequenza di pixel plausibile | L’embedding successivo della scena | Lo stato successivo della scena dopo un’azione specifica |
| Da dove vengono le regole | Equazioni e codice di collisione | Statistiche del video di addestramento | Uno spazio di embedding imparato | Regolarità imparate, alla maniera degli altri modelli del mondo |
| L’azione cambia il futuro? | Sì, attraverso le regole scritte | Solo se il prompt viene riscritto e la clip rigenerata | Sì, nello spazio delle rappresentazioni | Sì. Quella risposta è ciò per cui sta SeedWorld |
| Che cosa si può guardare | Una scena 3D renderizzata | Un video | Di solito niente di visivo | Fotogrammi, e lo stato da cui vengono |
| Come se ne parla | Giochi e sandbox robotiche | Un’inquadratura finita | Pianificazione e comprensione video | Come modello del mondo: l’immaginazione dello stato successivo |
06 — Un passo
Come SeedWorld forma una previsione
01
Leggere l’osservazione attuale
Un fotogramma, un video breve, una mappa di profondità o lo stato latente già portato. SeedWorld tratta questo come adesso.
02
Prendere l’azione come condizione
L’azione è un ingresso, come per Genie, per i modelli del mondo della guida e per V-JEPA condizionato dall’azione. Due azioni dalla stessa osservazione sono due domande.
03
Prevedere lo stato successivo
SeedWorld prevede lo stato successivo e può rimettere dentro quella previsione. Una continuazione lunga è dove memoria e fisica imparata reggono o si sfaldano.
07 — Domande
Domande su SeedWorld
Che tipo di modello è SeedWorld?
SeedWorld è un modello del mondo. Prevede come cambia una scena dopo un’azione. È la definizione usata per Dreamer, per Genie e per gli altri modelli condizionati dall’azione: lo stato successivo dipende da ciò che è stato appena fatto.
SeedWorld è un generatore video?
No. Un generatore video campiona una clip che sembra plausibile. SeedWorld è descritto secondo se il futuro segue l’azione. Una clip realistica senza azione nell’ingresso è un video. La previsione di SeedWorld include l’azione.
In che cosa SeedWorld differisce da un motore di gioco?
Un motore di gioco fa avanzare una scena con regole scritte: collisione, gravità, materiali. SeedWorld, come gli altri modelli del mondo imparati, raccoglie quelle tendenze dai dati. I motori sono esatti dentro le regole che hanno. Un modello imparato può coprire scene che nessuno ha sceneggiato, e può anche sbagliare.
Perché citare V-JEPA e gli stati latenti?
V-JEPA prevede una rappresentazione dell’istante successivo invece di ogni pixel, perché molto dettaglio dei pixel non cambia la decisione. SeedWorld è descritto con uno stato latente per la stessa ragione. I fotogrammi sono una vista di quello stato, non un sostituto.
Che cos’è uno svolgimento per SeedWorld?
SeedWorld prevede un passo, tratta quella previsione come il nuovo presente e prevede di nuovo. Dreamer e il controllo predittivo usano futuri immaginati di questo tipo per confrontare azioni diverse. Lo svolgimento fa parte del modello, non è un passo di prodotto separato.
Perché SeedWorld dimenticherebbe una stanza?
Un fotogramma mostra solo ciò che la camera vede adesso. Senza una memoria di oggetti e disposizione, il fotogramma successivo può inventare un nuovo sfondo. La coerenza su un lungo orizzonte è un problema aperto dei modelli del mondo in generale, e uno dei controlli applicati a SeedWorld.
Che cosa non è SeedWorld?
SeedWorld non è un motore fisico scritto a mano, e non è un modello da prompt a video. Non è nemmeno descritto qui come qualcosa da far funzionare, a cui abbonarsi o da collegare a un altro sistema. La pagina dice solo che tipo di modello è, con i termini già usati per gli altri modelli del mondo.
SeedWorld è un modello dello stato successivo
SeedWorld prende la scena e l’azione e prevede che cosa diventa la scena. Generatori video, motori di gioco e modelli di rappresentazione rispondono ciascuno a una domanda vicina. La domanda che mette SeedWorld insieme agli altri modelli del mondo è l’azione: il futuro ne dipende.