nvidia
Un documento que describe MineDojo, el agente de IA generalista de Nvidia que puede realizar acciones a partir de indicaciones escritas en Minecraftganó un premio Outstanding Datasets and Benchmarks Paper Award en la conferencia NeurIPS (Neural Information Processing Systems) de 2022, reveló Nvidia el lunes.
Para entrenar el framework MineDojo para jugar Minecraftlos investigadores lo alimentaron con 730.000 Minecraft vídeos de YouTube (con más de 2200 millones de palabras transcritas), 7000 páginas web extraídas del Minecraft wiki y 340 000 publicaciones de Reddit y 6,6 millones de comentarios de Reddit que describen Minecraft Como se Juega.
A partir de estos datos, los investigadores crearon un modelo de transformador personalizado llamado MineCLIP que asocia clips de video con juegos específicos. Minecraft actividades. Como resultado, alguien puede decirle a un agente de MineDojo qué hacer en el juego usando un lenguaje natural de alto nivel, como «buscar una pirámide del desierto» o «construir un portal inferior y entrar», y MineDojo ejecutará la serie de pasos. necesario para que suceda en el juego.
Ejemplos de tareas que puede realizar MineDojo.
nvidia
MineDojo tiene como objetivo crear un agente flexible que pueda generalizar las acciones aprendidas y aplicarlas a diferentes comportamientos en el juego. Como escribe Nvidia, «Si bien los investigadores han capacitado durante mucho tiempo a agentes de IA autónomos en entornos de videojuegos como Barco de estrellas, Dota, y Go, estos agentes suelen ser especialistas en pocas tareas. Así que los investigadores de Nvidia recurrieron a Minecraftel juego más popular del mundo, para desarrollar un marco de entrenamiento escalable para un agente generalista, uno que pueda ejecutar con éxito una amplia variedad de tareas abiertas».
nvidia
El artículo premiado, «MINEDOJO: Creación de agentes incorporados abiertos con conocimiento a escala de Internet», se estrenó en junio. Sus autores incluyen a Linxi Fan de Nvidia y Guanzhi Wang, Yunfan Jiang, Ajay Mandlekar, Yuncong Yang, Haoyi Zhu, Andrew Tang, De-An Huang, Yuke Zhu y Anima Anandkumar de varias instituciones académicas.
Puede ver ejemplos de MineDojo en acción en su sitio web oficial, y el código para MineDojo y MineCLIP está disponible en GitHub.