跳到正文
热点事件历史事件

作者提出跨3D游戏动作学习数据集AceAction-5M

2 篇报道1 个报道来源19 天前更新

先了解这件事

AI 综述

论文作者提出并构建了 AceAction(新报道的标题中称 AceAction-5M):这是一个面向技能组合与子目标切换的视觉—语言—动作数据集,数据来自跨多个 3D 游戏的人类游玩。它把整体任务指令、有序子目标、局部技能指令,与时间对齐的视觉观察和键鼠动作关联起来,覆盖导航、侦察、战斗、交互与恢复。 标注由视觉语言模型流水线自动完成:从目标或可交互对象的变化中识别子目标,把导航目标锚定到可识别的路点,再把相邻子目标组合成任务指令。作者称,对 500 条轨迹的审核在独立评审中通过率为 95.8%;这是作者自述的标注质量结果,并非在下游任务上的效果验证。

AI 根据报道生成 · 18 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月3日
  1. arXiv 游戏 AI 检索精选
    AceAction-5M:跨多个 3D 游戏世界的分层目标通用动作学习数据集

    作者提出 AceAction 数据集,收录多个 3D 游戏的人类游玩演示,把整体任务指令、有序子目标和局部技能指令与时间对齐的视觉观察及键鼠动作关联起来,覆盖导航、侦察、战斗、交互和恢复。团队用视觉语言模型流水线从目标或交互对象的变化中识别子目标、把导航目标锚定到可识别的路点,并将相邻子目标组合成任务指令。对 500 条轨迹的审核在独立评审中获得 95.8% 的通过率。

  2. arXiv 游戏 AI 检索精选
    AceAction-5M:跨多个 3D 游戏世界的分层目标通用动作学习数据集

    作者提出 AceAction 数据集,收录多个 3D 游戏的人类游玩演示,把整体任务指令、有序子目标和局部技能指令与时间对齐的视觉观察及键鼠动作关联起来,覆盖导航、侦察、战斗、交互和恢复。团队用视觉语言模型流水线从目标或交互对象的变化中识别子目标、把导航目标锚定到可识别的路点,并将相邻子目标组合成任务指令。对 500 条轨迹的审核在独立评审中获得 95.8% 的通过率。