# DRILL, dünya modellerini piksel tahmini yerine politika başarısı için eğitiyor

> Yeni araştırma, pekiştirmeli öğrenme politikalarını geliştirmeye odaklanan dünya modellerinin piksel doğruluğu yüksek modellerden daha iyi sonuç verebildiğini ve başarı oranlarını 13 puana kadar artırabildiğini gösteriyor.

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

Zhaolu Kang liderliğindeki araştırmacılar, sonraki kareyi doğru tahmin etmek yerine politika performansını artırmak için video dünya modellerini eğiten DRILL adlı makaleyi yayımladı. NeurIPS 2026’da sunulan yöntem iki sürümden oluşuyor: tahmin hatalarını yeniden ağırlıklandıran DRILL‑VWI ve meta-gradyan yaklaşımını kullanan DRILL‑IMG. Beş manipülasyon simülatöründe yapılan testlerde DRILL‑IMG, önceki WMPO temel yöntemine kıyasla başarı oranını 13.1 puan artırdı. Makalede, piksel hatasının düşük olmasının daha iyi politikaları garanti etmediği savunuluyor.

## Gerçekler

- Makale 2026-10-23 tarihinde yayımlandı ("Fri Oct 23 2026 06:00:00 GMT+0200")
- DRILL‑IMG, ortalama başarı oranını WMPO’ya kıyasla 13.1 puan artırdı

## Neden önemli

Robot manipülasyon sistemleri geliştirenler için dünya modeli eğitimini politika sonuçlarına odaklamak, ek simülatör çalıştırmalarına gerek kalmadan görev performansının daha güvenilir olmasını sağlayabilir.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-10-23