> ## Content Index
> Fetch the complete content index at: https://nanogiga.online/llms.txt
> Use this file to discover other available public pages before exploring further.

# IA aprende a agir seguindo planos em vídeo — e melhora sozinha
- URL: https://nanogiga.online/ia/mirror-ia-aprende-a-agir-com-planos-em-video/
- Published: 2026-10-20T15:00:00.000Z
- Updated: 2026-10-20T10:20:41.000Z
- Description: Preprint do MIT cria o Mirror: agentes que convertem planos de vídeo em ações e aprendem só com a própria execução, sem dados humanos nem recompensas.
- Author: nanoGiga
- Tags: IA

Um agente de IA que nunca viu um ser humano jogar consegue aprender a agir no mundo virtual seguindo "planos" em vídeo — e a ficar melhor a cada tentativa. Pesquisadores do MIT divulgaram nesta terça-feira (20) no arXiv o [Mirror](https://arxiv.org/abs/2610.24177?ref=nanogiga.online), um sistema que transforma vídeos gerados por IA em ações concretas e aprende apenas com a própria execução, sem exemplos de ações humanas e sem recompensas programadas — um trabalho em preprint, ainda não revisado por pares, assinado por Hyunwoo Ryu, Eric Ming Chen, Max Wilcoxson e Vincent Sitzmann.

## O plano está no vídeo

Modelos generativos de vídeo estão se consolidando como planejadores escaláveis para agentes corporificados: dado um objetivo, eles geram um vídeo mostrando como completar a tarefa, passo a passo. O problema está em transformar esse vídeo em ação. Executar o plano exige um modelo de "vídeo-para-ação" (o chamado modelo de dinâmica inversa) — e, até agora, treiná-lo dependia de grandes conjuntos de dados de vídeo e ação coletados por humanos, o que limita severamente a escala.

O Mirror dispensa esse gargalo com uma abordagem autossupervisionada: o modelo de vídeo-para-ação é aprendido com as interações do próprio agente com o ambiente, sem dados de ação prévios nem recompensas desenhadas à mão.

## Um loop de auto-melhoria

O mecanismo é um ciclo de tentativa e erro orientado pelo plano. O agente tenta seguir o vídeo executando seu melhor palpite sobre as ações necessárias. O resultado — o vídeo que ele gerou de fato e as ações que executou — vira material de treino. A cada rodada, o modelo segue o plano com mais precisão e alcança estágios mais avançados da tarefa, que por sua vez produzem exemplos ainda melhores. A exploração aleatória, sozinha, raramente alcança as transições críticas de uma tarefa longa; seguir o plano mantém os rolamentos do agente "na fronteira" do que ele já consegue fazer.

Um detalhe de projeto ajuda a evitar que os erros se acumulem: o planejador recalcula o plano a partir do estado real que o agente alcançou a cada trecho de ações, em malha fechada — nenhum plano precisa ser perfeito por um horizonte longo.

## A prova: picareta de ferro no Minecraft

Minerar um diamante no Minecraft é uma tarefa de horizonte longo: partindo do nada, é preciso coletar madeira, fabricar ferramentas e fundir ferro, passando por doze marcos até a pedra preciosa. No modo sobrevivência, o Mirror se tornou o primeiro método a obter uma picareta de ferro por auto-aperfeiçoamento puro — sem recompensas, sem rótulos de ações de especialistas —, avaliado em 128 episódios de 60 minutos. No cenário off-line, com rótulos de ações humanas disponíveis, o sistema estabeleceu novo estado da arte na aquisição de diamantes.

Em tarefas difíceis de especificar do benchmark BASALT — como "fazer uma cachoeira bonita e fotografá-la" —, o Mirror treinou o modelo de vídeo-para-ação do zero com apenas cinco horas de auto-jogo e superou métodos com acesso a ações de especialistas ou conhecimento de tarefa programado. O agente ainda aprende com os próprios fracassos: em um desafio de escapar de um lago de lava, manter o histórico das vidas anteriores no contexto elevou a taxa de fuga acumulada a 76% em 30 vidas, contra 46% quando a memória era zerada a cada morte.

O sistema também foi testado em 24 tarefas de robótica e jogos (DeepMind Control, OGBench e Atari), onde superou os principais métodos de aprendizado por observação com planos gerados por vídeo — e chegou perto do desempenho de especialistas quando recebeu planos de um "oráculo".

## Por que isso importa

A conclusão dos autores é direta: os avanços dos modelos de vídeo podem se converter em agentes cada vez mais capazes, sem a contrapartida de recompensas artificiais ou grandes coletas de dados de especialistas. Quanto melhores os geradores de vídeo ficarem, mais úteis se tornam os planos — e o Mirror fornece a ponte que os transforma em ação. Código e mais resultados estão prometidos na [página do projeto](https://wilcoxsonm21.github.io/mirror/?ref=nanogiga.online).

## Fontes

1. arXiv — "Self-Improving Video-to-Action Models" (Ryu, H.; Chen, E.M.; Wilcoxson, M.; Sitzmann, V.; MIT), preprint submetido em 16/10/2026 e divulgado no lote de anúncios de 20/10/2026\. arXiv:2610.24177\. Disponível em: [https://arxiv.org/abs/2610.24177](https://arxiv.org/abs/2610.24177?ref=nanogiga.online)