LeCuration：一个微型世界模型作为数据策展多功能工具

许多物理 AI 的应用运行在有限或封闭的物理世界中，由一组有限的物理定律支配物体行为。例如，在仓库中工作的机器人以及在电子游戏中移动的代理。为了更好地组织、筛选和整理物理 AI 应用的数据，我们提出了一种以各个数据集的独特场景和物理定律为中心的新方法。我们训练了 LeCuration，一个小型世界模型，旨在作为独立的大型下游模型的数据整理工具。为了构建该模型，我们选择 LeWorldModel（LeWM）作为我们的潜在编码器和预测器，并添加了一个扩散 Transformer（DiT）解码器，为自回归游戏过程展开添加视觉信息。我们发现，该模型的嵌入可以作为异常检测信号和基于内容的聚类启发式方法，并且使用该模型自回归地预测游戏状态可以让我们从定性上检查动作-状态一致性。本文提出了一个关于 CS:GO 游戏数据的定性概念验证案例研究；我们尚未报告定量整理指标或下游训练结果，我们将其确定为主要下一步工作。