MineWorld是微软研究院开源的基于《我的世界》（Minecraft）的实时交互式世界模型，基于视觉-动作自回归Transformer架构，将游戏场景和动作转化为离散的token ID，通过下一个token预测进行训练。模型开发了并行解码算法，可实现每秒4至7帧的生成速度，支持实时互动。MineWorld在视频质量、可控性和推理速度上均优于现有模型，如Oasis。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
MineWorld – 微软研究院开源的实时交互式世界模型
猜你喜欢
-
发布了文章 5小时前
Magma – 微软研究院联合华盛顿等高校推出的多模态AI基础模型
Magma 是微软研究院推出的新型多模态AI基础模型，能为多模态人工智能代理（AI agents）提供通用能力。Magma能理解和执行多模态输入的任务，覆盖数字和物理环境。Magma基于大规模的视觉-语言数据和动作数据进行预...
全部评论
留言在赶来的路上...
发表评论