谷歌 Deepmind 发布首个生成式交互环境模型 Genie [译]
原文中文，约1900字，阅读约需5分钟。
📝
内容提要
Google DeepMind的开放创新团队推出了Genie，这是一个从互联网视频中学习的创新世界模型，能够根据图像提示创造出无限种可操作的2D世界。Genie具有广泛的通用性，不仅局限于二维空间。
🎯
关键要点
-
Google DeepMind推出了Genie，一个从互联网视频中学习的创新世界模型。
-
Genie能够根据图像提示创造出无限种可操作的2D世界。
-
模型使用超过20万小时的2D平台游戏视频进行训练，拥有110亿参数。
-
Genie以无监督的方式学习潜在动作，能够将任意图像转化为互动的2D世界。
-
Genie学习到的动作空间丰富且易于理解，用户可以将其与语义动作对应。
-
与OpenAI的Sora相比，Genie强调动作控制，并完全通过视频学习。
-
世界模型的计算过程包括观测值、状态估计、行动建议和潜在变量。
-
开发了一种时间感知能力的视频分词器，将视频压缩成离散标记。
-
Genie模型具有广泛的通用性，成功在机器人数据集上进行训练。
-
Genie项目是团队协作的成果，感谢团队成员的努力和领导力。
🏷️
