ΕπόμενοΕπόμενος οδηγός
Μοντέλα NVIDIA Cosmos World Foundation
Εταιρείες
ΟΔΗΓΟΣ Βασικών Αρχών
World Models και Learned Simulators
A world model predicts environment dynamics from observations and actions.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~2 min
Σε αυτήν τη σελίδα2 λεπτά ανάγνωση
Επισκόπηση
The cited World Models, DreamerV3, Genie, and GameNGen papers demonstrate different learned-simulation settings.
Βαθιά κατάδυση
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.
Υλοποίηση σε πραγματικό κόσμο
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.
The Future of World Models and Learned Simulators
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.
Κάνοντάς το στην πράξη
Γιατί έχει σημασία
- Σαφέστερες αποφάσεις. Σας βοηθά να διαχωρίσετε σαφείς τεχνικούς ισχυρισμούς από τη γλώσσα μάρκετινγκ.
- Κόστος και προϋπολογισμός. Μπορείτε να κάνετε καλύτερες ερωτήσεις εφαρμογής προτού ξοδέψετε χρήματα ή χρόνο.
- Ομάδα και ροή εργασίας. Οι ομάδες με κοινή κατανόηση λαμβάνουν καλύτερες αποφάσεις για προϊόντα, πολιτικές και μάθηση.
Προσέξτε
- Διαφορετικές ομάδες μπορεί να χρησιμοποιούν τον ίδιο όρο με διαφορετικό τρόπο, επομένως ορίστε το πεδίο εφαρμογής νωρίς.
- Τα σημεία αναφοράς μπορεί να φαίνονται ισχυρά ενώ η απόδοση στον πραγματικό κόσμο είναι άνιση.
- Η αγνόηση της ποιότητας των δεδομένων και των σχεδίων αξιολόγησης δημιουργεί συχνά εύθραυστα αποτελέσματα.
Επόμενα βήματα
- Ξεκινήστε με έναν ορισμό σε απλή γλώσσα του αποτελέσματος που χρειάζεστε.
- Επιλέξτε μία μέτρηση επιτυχίας και μία συνθήκη αποτυχίας πριν από τη δοκιμή.
- Εκτελέστε ένα μικρό πιλότο με αντιπροσωπευτικά δεδομένα, όχι ένα εκλεπτυσμένο σετ επίδειξης.
- Τεκμηριώστε πού βοηθούν τα World Models and Learned Simulators και πού είναι καλύτερες οι απλούστερες μέθοδοι.
Συνεχίστε την εξερεύνηση
Δωρεάν ενημερωτικό δελτίο
Λάβετε την καθημερινή ενημέρωση AI
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Take the World Models and Learned Simulators quiz
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Συχνές ερωτήσεις
What is World Models and Learned Simulators?
A world model predicts environment dynamics from observations and actions. The cited World Models, DreamerV3, Genie, and GameNGen papers demonstrate different learned-simulation settings.
Ποια είναι η βασική δουλειά ενός παγκόσμιου μοντέλου;
Ένα παγκόσμιο μοντέλο μαθαίνει τη δυναμική του περιβάλλοντος: από μια τρέχουσα κατάσταση και μια ενέργεια προβλέπει την επόμενη παρατήρηση (και συχνά ανταμοιβή), επιτρέποντας τη φανταστική διάθεση.
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.
Ποιο αξιοσημείωτο επίτευγμα πέτυχε το DreamerV3 του DeepMind;
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.
Τι κάνει το Τζίνι του Google;
Το Genie είναι ένα παραγωγικό διαδραστικό περιβάλλον που μαθαίνει από βίντεο χωρίς ετικέτα για να παράγει δισδιάστατους κόσμους ελεγχόμενους από τη δράση.
Πώς πολλά παγκόσμια μοντέλα διατηρούν το πρόβλημα πρόβλεψης αντιμετωπίσιμο για εισόδους υψηλών διαστάσεων όπως εικόνες;
Οι παρατηρήσεις κωδικοποιούνται σε μια χαμηλών διαστάσεων λανθάνουσα κατάσταση και η συνάρτηση μετάβασης προβλέπει την επόμενη λανθάνουσα κατάσταση, καθιστώντας την κυκλοφορία αποτελεσματική.
Συνέχισε να μαθαίνεις
Σχετικοί οδηγοί
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα