পরবর্তী আপপরবর্তী গাইড
NVIDIA কসমস ওয়ার্ল্ড ফাউন্ডেশন মডেল
কোম্পানি
মৌলিক নির্দেশিকা
বিশ্ব মডেল এবং শেখা সিমুলেটর
A world model predicts environment dynamics from observations and actions.
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
এই পৃষ্ঠায়2 মিনিট পঠিত
ওভারভিউ
The cited World Models, DreamerV3, Genie, and GameNGen papers demonstrate different learned-simulation settings.
গভীর ডুব
World models learn representations and dynamics that predict how an environment changes with actions. Ha and Schmidhuber’s 2018 work used a variational autoencoder to encode observations and a recurrent model for latent dynamics. Its CarRacing experiment used those learned features for control. In the separate DoomTakeCover experiment, the controller was trained inside the learned DoomRNN environment and then evaluated in the actual game; the authors did not train that controller directly in VizDoom. DreamerV3 reports collecting Minecraft diamonds from scratch without human demonstrations, using policy learning from imagined trajectories in its evaluated setup. Genie learns interactive environments from unlabeled internet video and can condition a generated environment on an image. GameNGen demonstrates a learned simulator for DOOM. These are different research settings, not evidence that one simulator can reliably reproduce every game or physical environment.
বাস্তব-বিশ্ব বাস্তবায়ন
2018 World Models: the DoomTakeCover controller was trained in the learned DoomRNN dream environment and transferred to the actual game environment.
DreamerV3: the paper reports collecting Minecraft diamonds from scratch without human demonstrations under its evaluation setup.
Genie: the paper trains on unlabeled internet video and conditions generated interactive worlds on images.
GameNGen: the paper demonstrates a learned simulator for the named DOOM game.
বিশ্ব মডেল এবং শেখা সিমুলেটর ভবিষ্যত
A research direction is to measure long-horizon predictive accuracy and policy transfer for the intended task. Validate imagined experience against the real environment before relying on it for safety-critical decisions.
এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
কেন এটা গুরুত্বপূর্ণ
- সুস্পষ্ট সিদ্ধান্ত. এটি আপনাকে বিপণনের ভাষা থেকে স্পষ্ট প্রযুক্তিগত দাবিগুলি আলাদা করতে সহায়তা করে।
- খরচ ও বাজেট. অর্থ বা সময় ব্যয় করার আগে আপনি আরও ভাল বাস্তবায়ন প্রশ্ন জিজ্ঞাসা করতে পারেন।
- টিম এবং ওয়ার্কফ্লো. ভাগ করা বোঝাপড়া সহ দলগুলি আরও ভাল পণ্য, নীতি এবং শেখার সিদ্ধান্ত নেয়।
জন্য সতর্ক
- বিভিন্ন দল একই শব্দটি ভিন্নভাবে ব্যবহার করতে পারে, তাই সুযোগটি আগে থেকেই নির্ধারণ করুন।
- বেঞ্চমার্কগুলি শক্তিশালী দেখাতে পারে যখন বাস্তব-বিশ্বের কর্মক্ষমতা অসম হয়।
- ডেটা গুণমান এবং মূল্যায়ন পরিকল্পনা উপেক্ষা করা প্রায়ই ভঙ্গুর ফলাফল তৈরি করে।
পরবর্তী পদক্ষেপ
- আপনার প্রয়োজনীয় ফলাফলের একটি সরল-ভাষা সংজ্ঞা দিয়ে শুরু করুন।
- পরীক্ষার আগে একটি সাফল্যের মেট্রিক এবং একটি ব্যর্থতার শর্ত বাছুন।
- একটি পালিশ ডেমো সেট নয়, প্রতিনিধি ডেটা সহ একটি ছোট পাইলট চালান৷
- নথি যেখানে বিশ্ব মডেল এবং শেখা সিমুলেটর সাহায্য করে এবং যেখানে সহজ পদ্ধতিগুলি ভাল।
অন্বেষণ চালিয়ে যান
ফ্রি নিউজলেটার
প্রতিদিনের এআই ব্রিফিং পান
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
Take the World Models and Learned Simulators quiz
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
বিশ্ব মডেল এবং শেখা সিমুলেটর কি?
A world model predicts environment dynamics from observations and actions. The cited World Models, DreamerV3, Genie, and GameNGen papers demonstrate different learned-simulation settings.
একটি বিশ্ব মডেলের মূল কাজ কি?
একটি বিশ্ব মডেল পরিবেশগত গতিবিদ্যা শেখে: একটি বর্তমান অবস্থা এবং একটি ক্রিয়া থেকে এটি পরবর্তী পর্যবেক্ষণের পূর্বাভাস দেয় (এবং প্রায়শই পুরষ্কার), কাল্পনিক রোলআউটগুলি সক্ষম করে।
In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
The authors trained the controller inside their learned DoomRNN environment and transferred it to the actual DoomTakeCover environment. This is distinct from their CarRacing feature-extraction experiment.
DeepMind এর DreamerV3 কোন উল্লেখযোগ্য কৃতিত্ব অর্জন করেছে?
DreamerV3 reports reaching the diamond achievement in Minecraft from scratch without human demonstrations in its evaluated setup, using a learned world model for policy learning.
Google এর জিনি কি করে?
জিনি হল একটি জেনারেটিভ ইন্টারেক্টিভ পরিবেশ যা লেবেলবিহীন ভিডিও থেকে অ্যাকশন-নিয়ন্ত্রণযোগ্য 2D ওয়ার্ল্ড তৈরি করতে শেখে।
কিভাবে অনেক বিশ্ব মডেল ইমেজ মত উচ্চ-মাত্রিক ইনপুট জন্য ভবিষ্যদ্বাণী সমস্যা ট্র্যাক্টেবল রাখে?
পর্যবেক্ষণগুলি একটি নিম্ন-মাত্রিক সুপ্ত অবস্থায় এনকোড করা হয় এবং রূপান্তর ফাংশন পরবর্তী সুপ্ত অবস্থার পূর্বাভাস দেয়, যা রোলআউটগুলিকে দক্ষ করে তোলে।
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড