meta公司近期在人工智能領(lǐng)域邁出了重要一步，推出了名為meta Motivo的創(chuàng)新模型。該模型專注于控制類人數(shù)字智能體的動作，旨在為用戶帶來更加沉浸式的元宇宙體驗。
在周四的發(fā)布會上，meta不僅展示了meta Motivo，還介紹了其他兩項AI工具：大型概念模型LCM和視頻水印工具Video Seal。這些舉措再次表明了meta對于AI、增強現(xiàn)實（AR）以及元宇宙技術(shù)的持續(xù)投資與承諾。
meta Motivo是一個基于行為的基礎(chǔ)模型，它的訓練過程充滿了技術(shù)含量。模型在Mujoco模擬器中得到了充分的鍛煉，使用了AMASS動作捕捉數(shù)據(jù)集的一個子集，并結(jié)合了3000萬個在線交互樣本。通過一種新型的無監(jiān)督強化學習算法，meta Motivo能夠預訓練并控制復雜虛擬人形智能體的運動。
在訓練過程中，meta Motivo采用了一種名為FB-CPR的算法。這種算法能夠利用未標記的動作數(shù)據(jù)集，不僅保留了零樣本推理能力，還能將無監(jiān)督強化學習引導至學習類似人類的行為。這一技術(shù)創(chuàng)新使得meta Motivo在動作軌跡跟蹤、姿勢到達以及獎勵優(yōu)化等任務上，展現(xiàn)出了更加接近人類的行為。
值得注意的是，盡管meta Motivo沒有經(jīng)過任何特定任務的顯式訓練，但在預訓練過程中，它在多個任務上的性能都得到了顯著提升。例如，在動作軌跡跟蹤方面，它能夠準確地進行側(cè)手翻等動作；在姿勢到達方面，它能夠呈現(xiàn)出如阿拉貝斯克舞姿般的優(yōu)雅姿態(tài)；在獎勵優(yōu)化方面，它的跑步動作也更加自然流暢。
meta Motivo的成功離不開其關(guān)鍵技術(shù)創(chuàng)新——學習表示。這種表示能夠?qū)顟B(tài)、動作和獎勵嵌入到相同的潛在空間中，使得meta Motivo能夠解決各種全身控制任務。無論是運動跟蹤、目標姿態(tài)到達還是獎勵優(yōu)化，meta Motivo都無需任何額外的訓練或規(guī)劃，就能展現(xiàn)出出色的表現(xiàn)。
meta的這一系列舉措無疑將推動元宇宙技術(shù)的發(fā)展，為用戶帶來更加真實、沉浸的虛擬體驗。隨著meta在AI領(lǐng)域的不斷探索和投入，我們有理由相信，未來的元宇宙將更加豐富多彩、充滿無限可能。
