Weltmodelle treiben eine Verlagerung des Fokus der künstlichen Intelligenz von Sprachaufgaben hin zu visuellem und räumlichem Denken voran. Durch die Erstellung von Simulationen dynamischer 3D-Umgebungen ermöglichen diese Modelle Agenten, komplexe Szenen wahrzunehmen und mit ihnen zu interagieren. Dies eröffnet neue Forschungs- und Anwendungsperspektiven für Bereiche wie verkörperte Intelligenz und Spieleentwicklung. Derzeit liegt der Schwerpunkt der Weltmodelle auf der interaktiven Echtzeit-Videogenerierung, und es wurden bereits bedeutende Fortschritte erzielt.Wie man gleichzeitig eine geringe Latenz bei der Echtzeitgenerierung und eine hohe Konsistenz in der Langzeitgeometrie erreichen kann, bleibt jedoch ein zentrales ungelöstes Problem auf diesem Gebiet.

Auf dieser GrundlageDas Hunyuan-Team von Tencent hat WorldPlay auf den Markt gebracht, eine Plattform zur Weltmodellierung, die interaktive Weltmodellierung in Echtzeit ermöglicht und gleichzeitig die langfristige geometrische Konsistenz wahrt.Dadurch wird der in bestehenden Methoden inhärente Zielkonflikt zwischen Generierungsgeschwindigkeit und Speichernutzung effektiv gelöst. Die Implementierung dieses Systems umfasst drei wichtige technologische Innovationen:

*Doppelwirkungsdarstellung:Es verwendet eine duale Aktionsdarstellung, um eine robuste Aktionssteuerung der Tastatur- und Mauseingaben des Benutzers zu erreichen und so die Genauigkeit und Stabilität der interaktiven Reaktionen zu gewährleisten.

*Rekonstruktion des Kontextgedächtnismechanismus:Um langfristige Konsistenz zu gewährleisten, entwirft das Modell ein dynamisches Rekonstruktionskontextspeichermodul, das die Kontextinformationen historischer Frames rekonstruieren und den Zugriff auf geometrisch kritische, aber alte Frames durch eine zeitliche Rekonstruktionsstrategie aufrechterhalten kann, wodurch das Problem des Gedächtnisverlusts deutlich gemildert wird.

*Kontexterzwingende Destillationsmethode:Das Forschungsteam schlug eine neuartige Destillationsmethode vor, die speziell für Modelle der Gedächtniswahrnehmung entwickelt wurde und als „kontextuelle Erzwingung“ bezeichnet wird. Diese Methode gleicht den Gedächtniskontext zwischen dem Lehrer- und dem Schülermodell an, wodurch das Schülermodell seine Echtzeit-Denkgeschwindigkeit beibehalten kann, ohne seine Fähigkeit zu verlieren, entfernte Informationen zu nutzen, wodurch Fehlerverzerrungen effektiv unterdrückt werden.

WorldPlay ist in der Lage, lange Sequenzen von 720p-HD-Streaming-Videos mit 24 Bildern pro Sekunde stabil zu generieren.WorldPlay übertrifft bestehende Technologien in mehreren Bereichen und weist hervorragende Generalisierungsfähigkeiten in unterschiedlichsten Szenarien auf. Mit einem systematischen Rahmen für Steuerung, Speicherung und Verfeinerung hat WorldPlay einen entscheidenden Schritt nach vorn bei der Schaffung konsistenter Echtzeit-Weltmodelle gemacht.

Die HyperAI-Website präsentiert jetzt „HY-World 1.5: Ein interaktives Framework für Weltmodellierungssysteme“. Probieren Sie es aus!

Online-Nutzung:https://go.hyper.ai/Dgd3Z

Ein kurzer Überblick über die Aktualisierungen der offiziellen Website von hyper.ai vom 29. Dezember bis zum 2. Januar:

* Auswahl an hochwertigen Tutorials: 3

* Beliebte Enzyklopädieeinträge: 5

Top-Konferenzen mit Anmeldefrist im Januar: 10

Besuchen Sie die offizielle Website:hyper.ai

Ausgewählte öffentliche Tutorials

1. HY-World 1.5: Framework für ein interaktives Weltmodellierungssystem

HY-World 1.5 (WorldPlay) ist das erste Open-Source-Echtzeit-Modell für interaktive Welten mit langfristiger geometrischer Konsistenz, entwickelt vom Hunyuan-Team von Tencent. Dieses Modell realisiert die Echtzeit-Modellierung interaktiver Welten durch Streaming-Video-Diffusionstechnologie und löst so den Zielkonflikt zwischen Geschwindigkeit und Speicherbedarf, der bei bisherigen Methoden besteht.

Online ausführen: https://go.hyper.ai/Dgd3Z

2. Maya1: Ein äußerst realistischer und emotionaler Sprachgenerierungsdienst

Maya1, entwickelt von Maya Research, ist ein hochpräzises emotionales Text-to-Speech-Modell (TTS) für hochwertige Sprachsynthese. Es zeichnet sich durch differenzierten emotionalen Ausdruck und einen anpassbaren Sprachstil aus. Das Modell bildet den emotionalen Zustand, die Sprechgeschwindigkeit, den Tonfall, die Klangfarbe und die Ausdruckskraft des Sprechers präzise anhand von Beschreibungen in natürlicher Sprache ab und erzeugt so eine äußerst realistische Sprachausgabe, die der menschlichen Mimik sehr nahekommt.

Online ausführen: https://go.hyper.ai/RmmI3

3. RFdiffusion3: Protein-Designmodell

RFdiffusion3 (RFD3) ist ein vom Protein Design Institute der University of Washington entwickeltes Modell. Dieses hochmoderne KI-Modell für Biodesign kann neuartige Proteine generieren, die mit nahezu jedem Molekül in lebenden Zellen interagieren und löst damit eine langjährige Forschungsherausforderung, die Proteiningenieure frustriert hat.

Online ausführen: https://go.hyper.ai/gv4Rz

Beliebte Enzyklopädieartikel

1. Bilder pro Sekunde (FPS)

2. Bidirektionales Long Short-Term Memory (Bi-LSTM)

3. Gesteuerte Aufmerksamkeit

4. Verkörperte Navigation

5. Gated Recurrent Unit

Hier sind Hunderte von KI-bezogenen Begriffen zusammengestellt, die Ihnen helfen sollen, „künstliche Intelligenz“ zu verstehen:

https://go.hyper.ai/wiki

Zentrale Verfolgung der wichtigsten wissenschaftlichen KI-Konferenzen:https://go.hyper.ai/event

Das Obige ist der gesamte Inhalt der Auswahl des Herausgebers dieser Woche. Wenn Sie über Ressourcen verfügen, die Sie auf der offiziellen Website von hyper.ai veröffentlichen möchten, können Sie uns auch gerne eine Nachricht hinterlassen oder einen Artikel einreichen!

Bis nächste Woche!