Resumen: los modelos mundiales se definen como una representación aprendida espacial y temporal comprimida de un entorno. La representación aprendida es típicamente una red neuronal, lo que hace que la transferencia de la dinámica del entorno aprendida y la explicabilidad sean un desafío. En este documento, proponemos un enfoque, la extracción de autómatas finitos (FAE), que aprende un modelo mundial neurombólico del video de juego representado como programas en un nuevo lenguaje específico del dominio (DSL): Retro Coder. En comparación con los enfoques del modelo mundial anterior, FAE aprende un modelo más preciso del entorno y el código más general que los enfoques anteriores basados en DSL.
Publicado Originalme en export.arxiv.org El 18 de agosto de 2025.
Ver Fuente Original
