Lucid

概要

私たちは、インタラクティブな動画モデルを使った宇宙シミュレーションを構築している。

没入感のある操作が可能な、超リアルな環境をシミュレートする動画モデルを学習させ、ハードコードされたゲームエンジンや物理エンジンを、動的なニューラルネットワークに置き換える。

私たちは、Minecraftをシミュレートする、最速の行動条件付き拡散動画モデルをつくった（ゲーミングGPUの4090で20fps以上で動作）。ほかのMinecraftのワールドモデルより5倍速く、学習に使ったリソースは100分の1だ。独自の着想は、トークナイザーで大胆な圧縮をかけたこと（従来の8倍に対して128倍）にある。アテンションの計算量はトークン数の2乗で増えるため、私たちのモデルは桁違いの速さで動く。

いまは、超リアルなワールドモデルを学習させている！

トピック