El entorno reproduce páginas interactivas y mantiene las direcciones habituales de navegación. Permite evaluar compras, formularios y ataques con instrucciones maliciosas dentro de un espacio controlado.
Google ha desarrollado una versión sintética y aislada de la web para entrenar y evaluar agentes de inteligencia artificial capaces de navegar y ejecutar tareas. El entorno, denominado Mirror Dimension, reproduce sitios con los que los sistemas pueden interactuar sin que sus decisiones alcancen los servicios públicos de internet. Así, los investigadores pueden observar qué ocurre cuando un agente completa una compra, modifica información o sigue una instrucción encontrada en una página.
El proyecto responde a una dificultad práctica de la navegación autónoma, evaluar un asistente exige repetir numerosas acciones de lectura y escritura, pero hacerlo sobre páginas reales puede provocar cambios en cuentas, compras accidentales o eliminación de datos. Además, la web cambia continuamente y dificulta comparar el comportamiento del agente entre dos pruebas.
Para mantener el realismo, Google utiliza Chrome sin interfaz gráfica dentro de un entorno aislado mediante gVisor, cuando el agente intenta visitar un servicio conocido, la infraestructura intercepta la conexión y dirige la solicitud a un servidor local que entrega la página simulada. La navegación queda contenida dentro del sistema de pruebas.
Este diseño permite que el agente infiera una dirección habitual, como la de YouTube, a partir de una petición del usuario, conservar ese recorrido evita introducir una dirección de laboratorio que pueda revelar al modelo que está siendo evaluado. Google explica que reconocer la prueba puede alterar las acciones del sistema y restar valor a los resultados.
La conexión utiliza certificados TLS generados por el servidor intermediario y vinculados a una autoridad de certificación instalada previamente en el navegador del entorno. Chrome puede validar así las conexiones HTTPS de las páginas sintéticas, la configuración se realiza dentro de la infraestructura controlada por los investigadores.
La apariencia es solo una parte del trabajo, las webs deben responder a las acciones del agente y conservar el estado de una tarea. En una tienda simulada, por ejemplo, el carrito tiene que mantener los productos seleccionados mientras el sistema consulta otras páginas o avanza hacia el pago.
Para generar esos sitios, Google utiliza un sistema con tres funciones especializadas; un agente define los requisitos de la página y sus recorridos de uso. Otro los transforma en código HTML, CSS y JavaScript. La revisión comprueba que los formularios funcionan, que la navegación permite completar las tareas y que los elementos tienen etiquetas de accesibilidad adecuadas.
Los responsables también buscan errores de JavaScript y problemas de visualización en distintos tamaños de pantalla, estas comprobaciones ayudan a evitar que un botón inservible o una página incompleta delaten el escenario artificial y condicionen el comportamiento del modelo.
El entorno permite introducir instrucciones maliciosas en las páginas y observar si el asistente las sigue, estos ataques buscan que el sistema abandone la petición del usuario o ejecute acciones ajenas a ella. El aislamiento contiene sus consecuencias y facilita estudiar la resistencia del agente.
La posibilidad de reiniciar los escenarios ofrece otra ventaja, cada evaluación puede comenzar desde las mismas condiciones, sin arrastrar compras, formularios o cambios de pruebas anteriores. Con ello, Google busca medir de forma repetible cómo toman decisiones los agentes durante tareas largas y qué protecciones necesitan antes de navegar por servicios reales.