MirroS ha lanzado Code-as-World, un paradigma y conjunto de modelos que representan escenas físicas como código ejecutable en lugar de píxeles o latentes. El sistema utiliza un bucle agente para recuperar estas representaciones a partir de grabaciones reales, lo que permite generar datos de entrenamiento con etiquetas físicas exactas.

  • MirroS ha publicado dos puntos de control, Code-as-World-VL-4B y Code-as-World-VL-9B, bajo la licencia Apache 2.0, ajustados a partir de modelos Qwen3.5.
  • El bucle agente realiza hasta cinco rondas de pasos de proponer, instanciar, ejecutar, renderizar y verificar para recuperar representaciones del mundo ejecutables.
  • Los mundos verificados sirven como supervisión de entrenamiento, con el modelo de 9B obteniendo una puntuación de 55.4 MRA en QuantiPhy-validation, superando a Gemini-3.1 Flash que obtuvo 54.8.
  • El enfoque trata los píxeles como evidencia de una escena en lugar de su ontología, compilando las escenas en archivos scene.json para su ejecución en MuJoCo.

Este método proporciona etiquetas físicas exactas que carecen los vídeos reales, permitiendo a los modelos aprender dinámicas precisas de masa, contacto y gravedad mediante ajuste fino supervisado y aprendizaje por refuerzo.