Lucid

تعارف

ہم انٹرایکٹو ویڈیو ماڈلز کی مدد سے کائنات کی سمیولیشنز بنا رہے ہیں۔

ہم ایسے ویڈیو ماڈلز کو ٹرین کرتے ہیں جو انتہائی حقیقت سے قریب ماحول کو مکمل کنٹرول کے ساتھ سمیولیٹ کرتے ہیں، اور ہارڈ کوڈڈ گیم یا فزکس انجنز کی جگہ متحرک نیورل نیٹ ورکس لے آتے ہیں۔

ہم نے minecraft کو سمیولیٹ کرنے کے لیے سب سے تیز action-conditioned diffusion ویڈیو ماڈل بنایا (جو 4090 گیمنگ GPU پر 20+fps پر چلتا ہے)۔ یہ minecraft کے دیگر World Models سے 5 گنا تیز ہے اور اسے 100 گنا کم وسائل سے ٹرین کیا گیا۔ ہماری منفرد سوچ یہ تھی کہ ٹوکنائزر میں جارحانہ کمپریشن (روایتی 8x کے مقابلے میں 128x) پر انحصار کیا جائے، اور چونکہ attention ٹوکنز کی تعداد کے ساتھ quadratic انداز میں بڑھتی ہے، اس لیے ہمارا ماڈل حیرت انگیز حد تک تیز چل سکتا ہے۔

اب ہم ایک انتہائی حقیقت سے قریب ورلڈ ماڈل ٹرین کر رہے ہیں!

موضوعات