Octopus 模型
让AI模型成为GTA五星玩家,基于视觉的可编程智能体Octopus来了
电子游戏已经成为如今现实世界的模拟舞台,展现出无限可能。以游戏《侠盗猎车手》(GTA)为例,在 GTA 的世界里,玩家可以以第一人称视角,在洛圣都(游戏虚拟城市)当中经历丰富多彩的生活。然而,既然人类玩家能够在洛圣都里尽情遨游完成若干任务,我们是否也能有一个 AI 视觉模型,操控 GTA 中的角色,成为执行任务的 “玩家” 呢?GTA 的 AI 玩家又是否能够扮演一个五星好市民,遵守交通规则,帮助警方抓捕罪犯,甚至做个热心肠的路人,帮助流浪汉找到合适的住所?目前的视觉 - 语言模型(VLMs)在多模态感知和推理方面
11/10/2023 3:00:00 PM
机器之心
- 1
资讯热榜
Unsloth发布Qwen3动态量化2.0版本,优化本地运行体验
小米开源“Xiaomi MiMo”大模型:为推理而生,以 7B 参数超越 OpenAI o1-mini
小米首个推理大模型Xiaomi MiMo开源
小米首个推理大模型开源Xiaomi MiMo,70 亿参数
DeepSeek-Prover-V2-671B 模型开源,数学推理领域迎来新突破
看不懂新开源的DS-Prover V2版本?解读来了,攻克像人类一样数学证明,达到SoTA水平,不知道如何测?样题来了
大BUG!非学生用户竟能白嫖谷歌顶级AI全家桶 白嫖攻略速看
Midjourney V7推出全新功能 “Omni-Reference”,让图像生成更灵活
标签云
人工智能
OpenAI
AI
AIGC
ChatGPT
AI绘画
DeepSeek
模型
数据
机器人
谷歌
大模型
Midjourney
智能
用户
开源
学习
GPT
微软
Meta
图像
AI创作
技术
论文
Gemini
马斯克
Stable Diffusion
算法
蛋白质
芯片
代码
生成式
英伟达
腾讯
神经网络
研究
Anthropic
计算
3D
Sora
AI for Science
AI设计
机器学习
开发者
GPU
AI视频
华为
场景
人形机器人
预测
百度
苹果
伟达
Transformer
深度学习
Claude
xAI
模态
字节跳动
大语言模型
搜索
驾驶
具身智能
神器推荐
文本
LLaMA
Copilot
算力
训练
视觉
安全
视频生成
干货合集
应用
科技
大型语言模型
亚马逊
智能体
AGI
DeepMind