游戏中的 Scaling 定律：在多样化虚拟世界中持续预训练具身智能体
英文标题：Scaling in Games: Continued Pre-Training For Embodied Agents In Diverse Virtual Worlds
本研究探讨了将扩展定律（Scaling Law）从统一物理规律的真实世界具身学习，迁移至视觉风格与动力学各异的多样化虚拟游戏环境。论文深入评估了在扩展数据规模、多样性及模型容量时，具身智能体（Embodied Agents）进行持续预训练（Continued Pre-Training）的泛化能力与效能表现。该研究为游戏与复杂虚拟仿真环境中通用智能体的构建提供了重要理论支撑，对推动跨环境虚拟基础模型的开发具有显著指导意义。
打开原文相关 2.4 · 机会 1
2.0 KB
483 B
612 B
380 B
24.2 KB
34.7 KB
中文
论文摘要
- arXiv 编号：
arXiv:2610.28698v1 - 公告类型：最新（new）
摘要：在物理环境中，扩展数据规模、环境多样性和模型容量显著提升了具身学习（embodied learning）的效果，因为在物理世界中，多样化的经验始终扎根于通用的物理定律。然而，这些收益是否能够拓展到具有不同视觉风格、动力学特性的虚拟世界，仍然是一个亟待验证的关键问题。
BibTeX formatted citation
×
English / 原文
BibTeX formatted citation
×