Stôl vľavo ABSTRACT abstraktné 1 INTRODUCTION 1 Úvod 2 INTERACTIVE WORLD SIMULATION 2 Interaktívne svetové simulácie 3 GAMENGEN 3 Hry 3.1 Zhromažďovanie údajov prostredníctvom agent play 3.2 Výcvik generatívneho difúzneho modelu 4 EXPERIMENTAL SETUP 4 Experimentálne nastavenie 4.1 Školenie agentov 4.2 Generatívny model školenia 5 RESULTS 5 Výsledky 5.1 Kvalita simulácie 5.2 Ablácia 6 RELATED WORK 6 Súvisiace práce 7 DISCUSSION, ACKNOWLEDGEMENTS AND REFERENCES 7 Diskusia, uznania a referencie 4 EXPERIMENTAL SETUP 4 Experimentálne nastavenie 4.1 AGENT TRAINING Model agenta je vyškolený pomocou PPO (Schulman et al., 2017), s jednoduchým CNN ako funkčnou sieťou, po Mnih et al. (2015). Je vyškolený na CPU pomocou infraštruktúry Stable Baselines 3 (Raffin et al., 2021). Agent je vybavený zmenšenými verziami obrazov rámu a mapy v hre, každý v rozlíšení 160x120. Agent má tiež prístup k posledným 32 akciám, ktoré vykonal. Funkčná sieť vypočíta reprezentáciu veľkosti 512 pre každý obrázok. Aktér a kritik PPO sú 2-vrstvové MLP hlavy na vrchole konkatinácie výstupov obrazovej funkčnej siete a sekvencie minulých akcií. Agent trénujeme hrať hru pomocou prostredia Vizdoom (Wydmuch et al., 2019). Spustíme 8 hier paralelne, 4.2 GENERATIVE MODEL TRAINING Všetky modely kontextu trénujeme z predtrénovaného dátového kontrolného bodu stabilnej difúzie 1.4, odmrazujeme všetky parametre U-Net. Používame veľkosť dávky 128 a konštantnú rýchlosť učenia 2e-5, s optimalizátorom Adafactor bez zhoršenia hmotnosti (Shazeer & Stern, 2018) a gradientným klipom 1.0. Zmeníme parameterizáciu straty difúzie na v-predpovedanie (Salimans & Ho (2022a). Podmienka kontextu je znížená s pravdepodobnosťou 0,1 na umožnenie CFG počas záveru. Trénujeme pomocou 128 TPU-v5e zariadení s paralelizáciou údajov. Ak nie je uvedené inak, všetky výsledky v papieri sú po 700 000 tréningových krokoch. Pre žiadne zvýšenie (oddiel 
 
 
 Autori : 
 
 
 
 
 Dani Valevskijová Ján Leviatán Moabský Arar Šťava ovocná Autori : 
 
 
 
 
 Dani Valevskijová Ján Leviatán Moabský Arar Šťava ovocná 
 
 Tento dokument je k dispozícii v archíve pod licenciou CC by 4.0 Deed (Attribution 4.0 International). Tento dokument je k dispozícii v archíve pod licenciou CC by 4.0 Deed (Attribution 4.0 International). Dostupné v archíve

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

HOMEPAGE: Interoperability.TECH

Interoperability

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Ako sa posilňujúce učenie a stabilná difúzia kombinujú na simuláciu herných svetov

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

112 Stories To Learn About Hackernoon Community

Code Smell 298 - How to Fix Microsoft Windows Time Waste

16 Best Sklearn Datasets for Building Machine Learning Models

When Blood Told

112 Stories To Learn About Hackernoon Community

Code Smell 298 - How to Fix Microsoft Windows Time Waste

16 Best Sklearn Datasets for Building Machine Learning Models

When Blood Told

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps