AgentGarten: программные миры для развивающихся агентов (октябрь 2026)
AI Paper Slop
0:00 / 0:00
AgentGarten: программные миры для развивающихся агентов (октябрь 2026)
43 просмотра · 11 ч назад
AI Paper Slop
5,33 тыс. подписчиков
43 просмотра · 11 ч назад
Название: AgentGarten: Миры кода для развивающихся агентов (октябрь 2026 г.)
Ссылка: http://arxiv.org/abs/2610.12374v1
Дата: октябрь 2026 г.
Краткое описание:
AgentGarten объединяет симуляторы и игровые движки с общим нейронным рендерером реального времени, сочетая явную, устойчивую динамику мира с реалистичными визуальными наблюдениями. Его метод Adversarial Forcing использует предварительно обученную видеомодель для геометрически обусловленного блочного рендеринга, применяя точное воспроизведение для распространения градиентов истории и состязательное обучение для улучшения визуального качества. В интерактивных мирах предварительно обученные агенты действуют на основе отрендеренных изображений и передают стратегии между раундами с помощью написанных руководств; в отчете демонстрируются новые модели использования инструментов и улучшения в игре в прятки и четырех дополнительных задачах.
Ключевые темы:
Миры кода и исполняемые среды
Нейронный рендеринг с учетом геометрии
Агрессивное принуждение и дистилляция видеомоделей
Точное воспроизведение и распространение градиента истории
Генерация авторегрессивного видео в реальном времени
Обучение агентов посредством взаимодействия и написанных сценариев
Использование многоагентных инструментов и воплощенные задачи
Главы:
00:00 - Обзор Agent Garden
01:04 - Ограничения симулятора и модели
02:54 - Разделение физики и рендеринга
04:01 - Нейронный рендерер против шейдеров
05:14 - Изоляция физики от пикселей
06:16 - Обучение согласованного видео
07:35 - Агрессивное принуждение
08:31 - Обучение с помощью точного воспроизведения
11:01 - Эффективная регуляризация GAN
13:16 - Обучение с помощью сценариев
15:12 - Прятки Результаты
16:29 - Дополнительные среды для агентов
17:10 - Геометрия и ограничения состояний
18:30 - Создание миров для обучения
Источники видеоматериалов:
Авторы статьи: https://mirros-lab.github.io/agent-ga...
https://kaboompics.com/: https://www.pexels.com/video/a-person...
Закадровый текст, сгенерированный ИИ. Видеоматериалы, помеченные как иллюстративные, служат контекстом, а не доказательством результатов статьи.