座標から画像へ：潜在空間で未来を予測するWorld Modelを実装してみた

座標から画像生成を行うWorld Modelの実装について解説。Grid Worldでの実装を通じて、状態と行動から次の状態を予測し、環境を動かさずに未来をロールアウトする手法を説明する。

• 座標ではなく画像から世界の潜在状態を学習し、未来予測を行うWorld Modelを実装した。
• Encoder-Decoder構造のAutoencoderを用い、画像から32次元の潜在状態zを抽出・復元する。
• 潜在状態zは、画像ピクセルではなく、ロボットの自己位置や目標位置といった世界の本質的情報を表現する。
• 獲得した潜在状態と行動を入力とし、Dynamics Modelで次の潜在状態を予測することで、環境を動かさずに未来をrolloutする。
• これにより、センサー情報（画像）から直接状態を推定し、未来予測を行うAIシステム構築の道筋を示している。