Nvidia AI juega Minecraft y gana el premio de la conferencia de aprendizaje automático
Agrandar / La IA de MineDojo puede realizar tareas complejas en Minecraft.Nvidia Un artículo que describe a MineDojo, el agente de IA generalista de Nvidia capaz de realizar acciones a partir de indicaciones escritas en Minecraft, se presentó en la conferencia NeurIPS (Sistemas de procesamiento de información neuronal) de 2022 y recibió un Conjunto de datos y puntos de referencia sobresalientes Paper Award, reveló Nvidia el lunes. Para entrenar el marco MineDojo para jugar Minecraft, los investigadores lo alimentaron con 730 000 videos de YouTube de Minecraft (con más de 2200 millones de palabras transcritas), 7000 páginas web extraídas del wiki de Minecraft y 340 000 publicaciones de Reddit y 6,6 millones de comentarios de Reddit que describen el juego de Minecraft. A partir de estos datos, los investigadores crearon un modelo de transformador personalizado llamado MineCLIP que vincula videoclips con actividades específicas del juego de Minecraft. Como resultado, alguien puede decirle a un agente de MineDojo qué hacer en el juego usando un lenguaje natural de alto nivel, como: B. «Encuentra una pirámide del desierto» o «Construye y entra en un portal inferior», y MineDojo realiza la serie de pasos necesarios para que esto sea posible en el juego.
Ejemplos de tareas que MineDojo puede realizar. Nvidia MineDojo tiene como objetivo crear un agente flexible que pueda generalizar las acciones aprendidas y aplicarlas a varios comportamientos en el juego. Como escribe Nvidia, «si bien los investigadores han capacitado durante mucho tiempo a agentes autónomos de IA en entornos de videojuegos como StarCraft, Dota y Go, estos agentes suelen ser especialistas en solo unas pocas tareas». puede realizar con éxito una variedad de tareas abiertas”.
El artículo premiado de Nvidia «MINEDOJO: Building Open-Ended Embodied Agents with Internet-Scale Knowledge» se publicó en junio. Los autores incluyen a Linxi Fan de Nvidia y Guanzhi Wang, Yunfan Jiang, Ajay Mandlekar, Yuncong Yang, Haoyi Zhu, Andrew Tang, De-An Huang, Yuke Zhu y Anima Anandkumar de varias instituciones académicas. Puede ver ejemplos de MineDojo en acción en su sitio web oficial, y el código para MineDojo y MineCLIP está disponible en GitHub.
