跳到正文
Hugging Face Daily Papers·· 6 天前AI 评分74

Gamer:面向长周期复杂交互环境的通用视觉 - 语言 - 动作基础模型

Gamer: A Generalist Vision-Language-Action Foundation Model for Long-Horizon Real-Time Game Agent

AI 导读

论文介绍 Gamer 框架,旨在处理复杂交互式环境中的长周期任务。其架构整合感知、记忆管理与多步推理,支持 2D 界面与 3D 仿真世界交互。训练基于数万小时设备级键鼠轨迹数据,涵盖物理与虚拟域以学习环境动态;采用稀疏思维指令微调减少冗余计算,并利用稳定多回合强化学习解决有限上下文与稀疏奖励问题。

来源:Hugging Face Daily Papers · arxiv.org