# DRILL: мировые модели для пользы политики, а не точности пикселей

> Новое исследование показывает, что мировые модели, обученные улучшать политики обучения с подкреплением, могут превзойти модели с точным предсказанием пикселей и повысить успешность выполнения задач на 13 пунктов.

Oossa · 2026-10-23 · https://oossa.com/ru/drill-paper-proposes-training-world-models-for-policy-utility-not-pixel-predicti

Исследователи под руководством Чжаолу Кана представили работу DRILL: в ней видеомодели мира обучают повышать эффективность политик, а не точно предсказывать следующий кадр. Метод, представленный на NeurIPS 2026, включает два варианта: DRILL‑VWI, который меняет вес ошибок предсказания, и DRILL‑IMG, использующий метаградиентный подход. В испытаниях на пяти симуляторах манипуляций DRILL‑IMG повысил успешность выполнения задач на 13,1 пункта по сравнению с прежним базовым методом WMPO. Авторы утверждают, что меньшая ошибка на уровне пикселей не гарантирует более эффективных политик.

## Факты

- Статья опубликована 2026-10-23 («пт, 23 окт. 2026 г., 06:00:00 GMT+0200»)
- DRILL‑IMG повысил среднюю успешность на 13,1 пункта по сравнению с WMPO

## Почему это важно

Для разработчиков роботизированных систем манипуляции обучение мировых моделей с ориентацией на результаты работы политик может повысить надежность выполнения задач без дополнительных запусков симулятора.

## Источники и ссылки

1. [DRILL: Training World Models to Improve Policies, Not Predict Pixels](https://arxiv.org/abs/2610.30814) – arXiv cs.CV, 2026-10-23

Обновлено: 2026-10-23