في عالم الذكاء الاصطناعي، تُعتبر النماذج الكامنة التي تعتمد عليها تقنيات التحكم أساساً مهماً يتطور باستمرار. ومع ذلك، كانت النماذج الحالية تواجه تحديات بسبب الحاجة إلى دمج التأثيرات الناتجة عن الأفعال مع تأثيرات البيئة. هنا يأتي دور نموذج DWM (Decomposed World Model) الجديد.

تتمثل الفكرة المركزية لـ DWM في تفكيك عملية الانتقال التالية إلى مكونين رئيسيين: الأول هو مكون متأثر بالأفعال، الذي ينجم عن تصرفات الوكيل، والثاني هو التأثير البيئي المستقل عن الأفعال، ويعتمد على الديناميات الأساسية للبيئة، مثل انزلاق الجاذبية أو القوة الدافعة.

السر وراء نجاح هذه المنهجية يكمن في استخدام أداة مساعدة تعمل على تحقيق تجزئة واضحة بين التأثيرات، ما يضمن أن النموذج يمكنه تحديد الأسباب وراء التغييرات الملحوظة دون تداخلها. من خلال تعزيز النموذج الرئيسي بنموذج ثانوي يخضع لقيود معينة، يتم تحقيق تحكم أفضل وأكثر دقة في النتائج.

للاختبار، تم استخدام نموذج DWM في ثلاثة معايير تحكم شهيرة تحت اسم W-variants، وقد أظهرت النتائج أن DWM يتفوق على الأسس السابقة بمعدل تحسين يصل إلى 13.1% في نجاح تخطيط CEM. إن هذه الإنجازات تمثل خطوة هامة نحو تعزيز الفهم والقدرة على التحكم في الأنظمة المعقدة.