Meta a introduit Meta Motivo, un modèle d’intelligence artificielle de pointe qui redéfinit la façon dont les agents humanoïdes virtuels apprennent et interagissent.
Le nouveau système exploite un algorithme sophistiqué pour permettre des mouvements et une prise de décision réalistes. une gamme de tâches sans nécessiter de formation spécialisée. Meta Motivo représente un bond en avant significatif dans ce que l’on appelle l’IA incarnée, des applications prometteuses dans les jeux, la simulation et les expériences virtuelles immersives.
Un cadre unifié pour l’apprentissage et le comportement
Le fondement de Meta Motivo réside dans l’apprentissage par renforcement non supervisé, une méthodologie d’IA dans laquelle les systèmes apprennent à naviguer dans les tâches en interagissant avec leur environnement, libéré des contraintes de données étiquetées.
Au cœur du modèle se trouve le Conditionnel avant-arrière Algorithme de régularisation des politiques (FB-CPR), qui intègre les états, les mouvements et les récompenses dans un système latent partagé. espace. Ce cadre unifié permet au modèle d’effectuer une inférence zéro-shot, ce qui signifie qu’il peut s’attaquer tâches pour lesquelles il n’a jamais été explicitement formé.
Meta a décrit la recherche comme un moyen de développer des agents incarnés capables de résoudre des tâches tout en présentant des comportements qui correspondent aux qualités humaines.
Source : Meta AI
La formation impliquait l’utilisation d’un modèle humanoïde basé sur SMPL, une représentation standard du mouvement humain, au sein du moteur physique MuJoCo, qui excelle dans la simulation des environnements biomécaniques.
L’ensemble de données comprenait plus de 30 millions d’échantillons d’interaction et des entrées de la capture de mouvement AMASS base de données. Ces éléments ont permis au modèle d’affiner sa capacité à exécuter des mouvements réalistes, tels que des roues, tout en optimisant des tâches telles que courir ou atteindre des poses spécifiques.
La société a lancé une démo interactive où tout le monde peut jouer avec le modèle Motivo, en dirigeant un personnage virtuel.
Démo interactive Meta Motivo
Fondements techniques
Le cadre technique de Meta Motivo est conçu pour relever un défi clé dans le développement de l’IA : créer des systèmes pouvant se généraliser à diverses tâches. L’algorithme FB-CPR y parvient en intégrant des états, des actions et des récompenses dans un espace latent partagé.
Cette conception permet au modèle de déduire des comportements optimaux en fonction d’une variété d’invites, telles que l’imitation d’un mouvement spécifique ou l’optimisation d’une fonction de récompense.
Image : Meta AI
La méthodologie de formation s’appuie sur l’ensemble de données AMASS qui contient de nombreuses données de capture de mouvement. En combinaison avec le simulateur MuJoCo, cela permet à Motivo de simuler les complexités de l’interaction physique et de développer un contrôle nuancé sur ses agents humanoïdes.
Malgré ses capacités impressionnantes, Meta reconnaît les limites de la conception actuelle du modèle. Par exemple, accroître sa capacité à gérer des tâches plus complexes et plus diversifiées reste un domaine de recherche en cours.
Néanmoins, la sortie de Motivo crée un précédent quant à la façon dont les modèles fondamentaux d’IA peuvent contribuer à faire progresser l’intelligence incarnée.
Analyses de performance : équilibrer réalisme et efficacité
Meta a développé une nouvelle référence spécifiquement pour évaluer les agents humanoïdes virtuels, en se concentrant sur des tâches telles que le suivi de mouvement, l’ajustement de la pose et l’optimisation des récompenses.
Les résultats indiquent que Meta Motivo a atteint 61 % à 88 % des performances des modèles spécifiques à des tâches tout en surpassant les autres méthodes d’apprentissage non supervisées dans la plupart des domaines.
Source : Meta AI
Les évaluations qualitatives ont en outre mis en évidence la capacité du modèle pour produire des comportements qui semblent naturels et humains. Les évaluateurs humains ont noté que contrairement aux algorithmes optimisés uniquement pour l’exécution de tâches, Motivo combine avec succès l’efficacité opérationnelle avec des schémas de mouvement réalistes. Cet équilibre est essentiel pour créer des agents numériques attrayants et crédibles.
Meta a souligné que le modèle équilibre les performances et l’apparence naturelle des comportements, offrant de nouvelles opportunités d’interaction virtuelle.
Innovation Open Source pour la collaboration
Conformément à son engagement à soutenir la recherche sur l’IA, Meta a mis le modèle Motivo pré-entraîné, son code de formation et ses spécifications de référence à la disposition du public. L’initiative open source vise à encourager les chercheurs et les développeurs à affiner et à développer la technologie.
Meta a déclaré: « Nous espérons que cela encouragera la communauté à développer davantage la recherche visant à créer des modèles de base comportementaux qui peuvent généraliser. à des tâches plus complexes et potentiellement à différents types d’agents.”En partageant ces ressources, Meta vise à accélérer l’innovation dans des domaines allant des assistants virtuels aux environnements de jeu immersifs.
Applications dans tous les secteurs
La polyvalence de Meta Motivo est prometteur pour plusieurs secteurs. Dans le domaine des jeux vidéo, la technologie pourrait révolutionner la conception des personnages non-joueurs (PNJ). , ce qui les rend plus dynamiques et réactifs aux actions des joueurs. La capacité de Motivo à s’adapter à des scénarios imprévisibles le rend également idéal pour les simulations, où les comportements humains sont essentiels pour créer des environnements réalistes.
Pour le métaverse et réalité virtuelle, Motivo fournit un cadre pour des interactions utilisateur plus riches. Les assistants virtuels et les compagnons numériques pourraient présenter des mouvements plus naturels, améliorant ainsi leur capacité à interagir de manière significative avec les utilisateurs. En intégrant le réalisme du mouvement et les réponses adaptatives, ces agents pourraient établir une nouvelle norme en matière d’interactivité dans les espaces virtuels.
Une étape importante pour l’IA incorporée
Meta Motivo représente une percée dans le développement d’agents virtuels, combinant des algorithmes d’apprentissage avancés avec une accessibilité open source pour repousser les limites de l’IA incarnée. Sa capacité à offrir à la fois une efficacité opérationnelle et un réalisme proche de celui des humains le positionne comme un outil essentiel pour les industries cherchant à innover dans les interactions numériques et virtuelles.
Alors que Meta continue d’affiner cette technologie, Motivo pourrait servir de base. pour une nouvelle génération de systèmes d’IA, capables de transformer la façon dont les humains interagissent avec les environnements virtuels.
