Lucid

Acerca de

Estamos construyendo simulaciones del universo impulsadas por modelos de vídeo interactivos.

Entrenamos modelos de vídeo que simulan entornos hiperrealistas con un control inmersivo, y sustituyen los motores de juego o de física programados a mano por redes neuronales dinámicas.

Creamos el modelo de vídeo por difusión condicionado por acciones más rápido que existe (funciona a más de 20 fps en una GPU gaming 4090) para simular Minecraft. Es 5 veces más rápido que otros world models de Minecraft y se entrenó con 100 veces menos recursos. Nuestra idea clave fue apostar por una compresión agresiva en el tokenizador (128x frente a los 8x tradicionales); como la atención escala de forma cuadrática con el número de tokens, nuestro modelo puede funcionar muchísimo más rápido.

¡Ahora estamos entrenando un world model hiperrealista!

Temas