Bejárható AI-világokat nyit meg az Odyssey-3, de a rekordja vitatható
Az ingyenes demóban szövegből készül interaktív környezet; a robotikai ígéretek mellett a teljesítménytesztek módszere is figyelmet érdemel.
▶ 30 MÁSODPERCBEN
- MI TÖRTÉNT
- A kaliforniai Odyssey nyilvánosan kipróbálható kutatási előzetest indított az Odyssey-3 világmodellből, amely szöveges utasításból valós időben bejárható környezetet készít.
- MIÉRT FONTOS
- A technológia játékokhoz és robotok tanításához is használható lehet, de a kiemelt teszteredmény nem felel meg a teljesítményteszt előírt mérési feltételeinek.
- MI JÖN MOST
- A fejlesztők API-hozzáférést igényelhetnek, a robotikai és autonóm alkalmazásokhoz pedig még további fejlesztés szükséges.
Beírsz egy szöveges utasítást, majd nem egyszerűen végignézed az elkészült videót, hanem valós időben felfedezheted a generált környezetet. Ezt kínálja a kaliforniai Odyssey új, nyilvános kutatási előzetese: az ingyenes online demó az Odyssey-3 Flash változatot futtatja, belső vagy külső nézettel.
A következő képkockát a mozdulatod is alakítja
A cég szerint az Odyssey-3 egy autoregresszív diffúziós transzformerre épül: a korábbi képkockákból és a felhasználó műveleteiből állítja elő a következő videóképeket. A világmodell célja, hogy az AI a térbeli és fizikai összefüggésekkel is dolgozni tudjon, ne csak látványt készítsen. A fejlesztők API-hozzáférésre, vagyis a modell programból történő használatára jelentkezhetnek.
A 66,1 pontos eredményhez válogattak a videók között
Az Odyssey a Pro változat 66,1 pontos eredményét emeli ki a Physics-IQ Verified videóból videót készítő teljesítménytesztjén. Ez azonban egyetlen tesztfuttatásból származik, amelyben feladatonként nyolc generált videó közül választott ki egyet egy kiválasztási eljárás. Válogatás nélkül, négy futtatás átlagában a modell 63,37 pontot ért el.
A WorldMark tesztjén az Odyssey saját értékelése alapján a modell négy kategóriából háromban első lett. A valósághű, belső nézetű környezeteket vizsgáló First-Person Real kategóriában 80,6 ponttal a harmadik helyet szerezte meg. Ezeket a helyezéseket tehát a cég saját méréseiként érdemes kezelni.
Robotkarokkal és játékokkal mutatják meg a célt
Az Odyssey szerint a modellre épülő AI néhány tucat órányi bemutatóadat alapján több robotkart vezérelt, és a robotok önállóan korrigálták a sikertelen megfogásokat. A svájci Flexionnel humanoid robotokon dolgoznak; állításuk szerint az Odyssey-3-ra épülő vezérlők megbízhatóbban teljesítenek az összehasonlításhoz használt modelleknél. Egy szimulált repülési adatokkal tanított drónvezérlő pedig virtuális beltéri környezetben kerülte ki az akadályokat és jutott el a célpontokhoz.
A cég önállóan GTA V-öt játszó AI-t is bemutatott. Beszámolója szerint a nagyjából kétórányi GTA-felvétellel tanított vezérlő további tanítás nélkül a Red Dead Redemption 2-ben is működött. A távlati cél az, hogy az AI-ágensek — önállóan cselekvő rendszerek — a generált környezetekben saját műveleteik következményeiből tanuljanak; a mostani nyilvános előzetes még az interaktív környezetgenerálást kínálja.
TECH-SZÓTÁR
- Világmodell
- Olyan AI-modell, amely egy környezet állapotát és a cselekvések várható következményeit modellezi.
- Autoregresszív
- A következő elemet a korábban létrehozott elemekből előállító működésmód.
- Diffúziós transzformer
- Olyan modellfelépítés, amely a fokozatos zajeltávolítást az adatok közötti összefüggéseket feldolgozó transzformerrel kapcsolja össze.
- API
- Programozási felület, amelyen keresztül egy alkalmazás egy másik rendszer szolgáltatásait használhatja.
» Követett téma: AI · régió: GLOBAL · kulcsszó: világmodellek, robotika