Lucid

Kuhusu

Tunajenga uigaji wa ulimwengu unaoendeshwa na modeli shirikishi za video.

Tunafunza modeli za video zinazoiga mazingira halisi kupita kiasi kwa udhibiti wa kuzama ndani, zikichukua nafasi ya injini za michezo au za fizikia zilizoandikwa kwa msimbo usiobadilika kwa mitandao ya neva inayobadilika.

Tulijenga modeli ya video ya diffusion inayoongozwa na vitendo yenye kasi zaidi (inayoendesha zaidi ya fremu 20 kwa sekunde kwenye GPU ya michezo ya 4090) ili kuiga minecraft. Ina kasi mara 5 kuliko World Models nyingine za minecraft na ilifunzwa kwa rasilimali chache mara 100. Wazo letu la kipekee lilikuwa kutegemea ukandamizaji mkali katika tokenizer yetu (128x badala ya 8x ya kawaida), na kwa kuwa attention hukua kwa kipeo cha pili cha idadi ya tokeni, modeli yetu inaweza kuendesha kwa kasi ya ajabu.

Sasa tunafunza modeli ya dunia inayoonekana halisi kupita kiasi!

Mada