tag: World Model

NVIDIA เปิดตัว Cosmos 3 Edge โมเดล Open World Model ขนาดกะทัดรัดที่ช่วยให้หุ่นยนต์และระบบ AI สามารถทำความเข้าใจ ให้เหตุผล และตัดสินใจได้ในเวลาจริงด้วยประสิทธิภาพระดับดาต้าเซ็นเตอร์บนอุปกรณ์ปลายทาง

Google DeepMind นำเสนอ GenCeption ซึ่งพบว่าโมเดลสร้างวิดีโอสามารถทำงานด้าน Computer Vision ได้อย่างยอดเยี่ยมโดยใช้ข้อมูลฝึกสอนน้อยกว่าเดิมมาก ผลลัพธ์นี้ช่วยสนับสนุนสมมติฐานที่ว่าโมเดลสร้างวิดีโออาจมีแบบจำลองความเข้าใจโลกทางกายภาพแฝงอยู่ภายใน

คู่มือการใช้งาน NVIDIA cosmos-framework ผ่าน Google Colab พร้อมการออกแบบและฝึกฝนโมเดล Mixture-of-Transformers ขนาดเล็กที่รองรับการทำงานแบบ omnimodal ทั้งข้อความ ภาพ และการกระทำ

Robbyant หน่วยงานด้านสมองกลอัจฉริยะของ Ant Group เปิดตัว LingBot-World 2.0 เครื่องจำลองโลกเสมือนที่โต้ตอบได้แบบไร้รอยต่อ โดยใช้กลไก MoBA และ DMD เพื่อแก้ปัญหาภาพบิดเบี้ยวในการสร้างวิดีโอระยะยาว

Beijing Academy of Artificial Intelligence เปิดตัว Orca เวิลด์โมเดลที่เรียนรู้ผ่านวิดีโอ 125,000 ชั่วโมงโดยไม่ต้องพึ่งพาการกำกับป้ายข้อมูลการกระทำ แต่ให้ผลลัพธ์ใกล้เคียงกับโมเดลเฉพาะทางอย่าง π0.5