Stół po lewej ABSTRACT abstrakcyjna 1 INTRODUCTION 1 Wprowadzenie 2 INTERACTIVE WORLD SIMULATION 2 Interaktywna symulacja świata 3 GAMENGEN 3 Gry 3.1 Zbieranie danych za pośrednictwem agenta 3.2 Szkolenie w zakresie modelu dyfuzji generacyjnej 4 EXPERIMENTAL SETUP 4 Ustawienia eksperymentalne 4.1 Szkolenie agentów 4.2 Szkolenie modelowe 5 RESULTS 5 Wyniki 5.1 Jakość symulacji 5.2 Ablacje 6 RELATED WORK 6 Powiązane prace 7 DISCUSSION, ACKNOWLEDGEMENTS AND REFERENCES 7 Dyskusje, uznania i referencje 4 EXPERIMENTAL SETUP 4 Ustawienia eksperymentalne 4.1 AGENT TRAINING Model agenta jest szkolony przy użyciu PPO (Schulman et al., 2017), z prostą siecią CNN jako siecią funkcji, po Mnih et al. (2015). Jest szkolony na procesorze przy użyciu infrastruktury Stable Baselines 3 (Raffin et al., 2021). Agent otrzymuje obniżone wersje obrazów ramy i mapy w grze, każda w rozdzielczości 160x120. Agent ma również dostęp do ostatnich 32 działań, które wykonał. Sieć funkcji oblicza reprezentację o rozmiarze 512 dla każdego obrazu. Aktorzy i krytycy PPO są 2-warstwowymi głowami MLP na górze konkatenacji wyjść sieci funkcji obrazu i sekwencji poprzednich działań. Szkolimy agenta do gry przy użyciu środowiska Vizdoom (Wydmuch et 4.2 GENERATIVE MODEL TRAINING Szkolimy wszystkie modele symulacji kontekstu z wstępnie przeszkolonego punktu kontrolnego Stable Diffusion 1.4, odświeżając wszystkie parametry U-Net. Używamy rozmiaru partii 128 i stałego współczynnika uczenia się 2e-5, z optymalizatorem Adafactor bez rozkładu masy (Shazeer & Stern, 2018) i klipsem gradientowym 1,0. Zmieniamy parametryzację straty rozprzestrzeniania się na w-przewidywanie (Salimans & Ho (2022a). Warunek ram kontekstowych jest opuszczony z prawdopodobieństwem 0,1 aby umożliwić CFG podczas wniosku. Szkolimy się przy użyciu 128 urządzeń TPU-v5e z równoległością danych. O ile nie zaznaczono inaczej, wszystkie wyniki w papierze są po 
 
 
 Autorzy : 
 
 
 
 
 Dani Valevski Janusz Leviatan Moab Arar Słońce owocowe Autorzy : 
 
 
 
 
 Dani Valewski Janusz Leviatan Moab Arar Słońce owocowe 
 
 Niniejszy dokument jest dostępny w archiwum pod licencją CC by 4.0 Deed (Attribution 4.0 International). Ten dokument jest Licencja CC by 4.0 Deed (Attribution 4.0 International). Dostępne w Archiwum Dostępne w Archiwum

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

HOMEPAGE: Interoperability.TECH

Interoperability

Ten dźwięk jest produkowany w oryginalnym języku historii!

Jak uczenie się wzmocnień i stabilne rozpowszechnianie łączą się, aby symulować światy gier

About Author

UWAGI

ZAWIEŚĆ TAGI

ARTYKUŁ TEN ZOSTAŁ PREZENTOWANY W

Related Stories

Listen to Tech Brief Podcasts on Your Headphones: Stay Connected to HackerNoon Anywhere, Anytime

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Leadzai - The Startup of the Year that Democratizes Access to Online Advertising

HackerNoon - A User Experience Analysis: Part 1

Listen to Tech Brief Podcasts on Your Headphones: Stay Connected to HackerNoon Anywhere, Anytime

How HackerNoon Feels About AI Generated Content (Hint: 👎🏽)

Leadzai - The Startup of the Year that Democratizes Access to Online Advertising

HackerNoon - A User Experience Analysis: Part 1

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps