Mesa de la izquierda ABSTRACT Abstracción 1 INTRODUCTION 1 Introducción 2 INTERACTIVE WORLD SIMULATION 2 Simulaciones interactivas 3 GAMENGEN 3 Juegos 3.1 Recopilación de datos a través de Agent Play 3.2 Formación del modelo de difusión generativa 4 EXPERIMENTAL SETUP 4 Instalación experimental 4.1 Entrenamiento de agentes 4.2 Modelos de entrenamiento 5 RESULTS 5 Resultados 5.1 Calidad de la simulación 5.2 Ablaciones 6 RELATED WORK 6 Trabajo relacionado 7 DISCUSSION, ACKNOWLEDGEMENTS AND REFERENCES 7 Discusión, reconocimientos y referencias 4 EXPERIMENTAL SETUP 4 Instalación experimental 4.1 AGENT TRAINING El modelo de agente se capacita utilizando PPO (Schulman et al., 2017), con una CNN simple como la red de características, seguido de Mnih et al. (2015). Se capacita en CPU utilizando la infraestructura Stable Baselines 3 (Raffin et al., 2021). El agente se proporciona con versiones descalzas de las imágenes de cuadro y el mapa en el juego, cada una con resolución 160x120. El agente también tiene acceso a las últimas 32 acciones que realizó. La red de características calcula una representación de tamaño 512 para cada imagen. El actor y crítico de PPO son cabezas de MLP de 2 capas en la parte superior de una concatenacin de las salidas de la red de características de imagen y la secuencia de acciones pasadas. Entrenamos al agente para jugar el juego utilizando el entorno Vizdoom (Wydmuch et al., 4.2 GENERATIVE MODEL TRAINING Entrenamos todos los modelos de simulación de contexto desde un punto de control de datos pre-entrenado de la difusión estable 1.4, desfreando todos los parámetros de U-Net. Utilizamos un tamaño de lote de 128 y una tasa de aprendizaje constante de 2e-5, con el optimizador de Adafactor sin decadencia de peso (Shazeer & Stern, 2018) y el corte de gradientes de 1.0. Cambiamos el parámetro de pérdida de difusión para ser v-predicción (Salimans & Ho (2022a). La condición de los marcos de contexto se cae con probabilidad de 0.1 para permitir CFG durante la inferencia. Entrenamos usando 128 dispositivos TPU-v5e con paralelización de datos. A menos que se indique lo contrario, todos los resultados en el papel son después de 700.000 pasos de 
 
 
 Los autores: 
 
 
 
 
 Dani Valevski Yaniv Leviathan Moab Arar Shlomi Fruchter Los autores: 
 
 
 
 
 Dani Valevski Juan Leviatán Moab Arar Shlomi Fruchter 
 
 Este artículo está disponible en archivo bajo la licencia CC by 4.0 Deed (Attribution 4.0 International). Este artículo está disponible en archivo bajo la licencia CC by 4.0 Deed (Attribution 4.0 International). Disponible en Archivo

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

HOMEPAGE: Interoperability.TECH

Interoperability

Este audio es producido en el idioma original de la historia!

Cómo se combinan el aprendizaje reforzado y la difusión estable para simular mundos de juegos

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Una breve introducción a la teoría del cerebro de Boltzmann

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Una breve introducción a la teoría del cerebro de Boltzmann

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps