Стол слева ABSTRACT Абстрактный 1 INTRODUCTION 1 Введение 2 INTERACTIVE WORLD SIMULATION 2 Интерактивные мировые симуляторы 3 GAMENGEN 3 Игры 3.1 Сбор данных посредством агентской игры 3.2 Обучение модели генеративной диффузии 4 EXPERIMENTAL SETUP 4 Экспериментальная установка 4.1 Тренировка агентов 4.2 Модель генеративного обучения 5 RESULTS 5 Результаты 5.1 Качество симуляции 5.2 Аблации 6 RELATED WORK 6 Связанная работа 7 DISCUSSION, ACKNOWLEDGEMENTS AND REFERENCES 7 Дискуссии, признания и ссылки 4 EXPERIMENTAL SETUP 4 Экспериментальная установка 4.1 AGENT TRAINING Модель агента обучается с использованием PPO (Schulman et al., 2017), с простым CNN как сетью функций, следуя Mnih et al. (2015). Она обучается на CPU с использованием инфраструктуры Stable Baselines 3 (Raffin et al., 2021). Агент предоставляется с пониженными версиями кадров и карты в игре, каждый с разрешением 160x120. Агент также имеет доступ к последним 32 действиям, которые он выполнял. Сеть функций вычисляет представление размера 512 для каждого изображения. Актер и критик PPO являются 2-слойными головами MLP на вершине конкатенации выходов сети функций изображения и последовательности прошлых действий. Мы обучаем агента играть в игру с использованием среды Vizdoom (Wydmuch et al., 2019). Мы выполняем 8 игр парал 4.2 GENERATIVE MODEL TRAINING Мы обучаем все модели симуляции контекста с предварительно обученной точки проверки данных стабильной диффузии 1.4, размораживая все параметры U-Net. Мы используем размер партии 128 и постоянную скорость обучения 2e-5, с оптимизатором Adafactor без деградации веса (Shazeer & Stern, 2018) и градиентным клипом 1.0. Мы меняем параметризацию потери диффузии на v-предсказание (Salimans & Ho (2022a). Состояние контекстных кадров падает с вероятностью 0,1 для того, чтобы позволить CFG во время вывода. Мы обучаем с помощью 128 устройств TPU-v5e с параллелизацией данных. Если не указано иное, все результаты в бумаге после 700 000 тренировочных шагов. Для отсутствия увеличения (раздел 3.2. 
 
 
 Авторы : 
 
 
 
 
 Dani Valevski Yaniv Leviathan Моаб Арар Шлеми Фрухтер Авторы : 
 
 
 
 
 Дани Валевский Янив Левиафан Моаб Арар Шлеми Фрухтер 
 
 Эта статья доступна в архиве под лицензией CC by 4.0 Deed (Attribution 4.0 International). Эта бумага является Лицензия CC by 4.0 Deed (Attribution 4.0 International). Доступно в архиве Доступно в архиве

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

HOMEPAGE: Interoperability.TECH

Interoperability

Этот звук создан на языке оригинала истории!

Как укрепление обучения и стабильное распространение сочетаются для симуляции игровых миров

About Author

КОММЕНТАРИИ

БИРКИ

ЭТА СТАТЬЯ БЫЛА ПРЕДСТАВЛЕНА В

Related Stories

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Плавание по водам: разработка RAG-приложений промышленного уровня с использованием озер данных

Утечка информации о системе Claude Sonnet 3.5: судебно-медицинский анализ

Создание криптопродуктов, ориентированных на пользователя: важность отзывов клиентов

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Плавание по водам: разработка RAG-приложений промышленного уровня с использованием озер данных

Утечка информации о системе Claude Sonnet 3.5: судебно-медицинский анализ

Создание криптопродуктов, ориентированных на пользователя: важность отзывов клиентов

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps