哎呀AI
IT之家 研究

米哈游公布视觉语言动作模型 Gamer,可自主操作游戏

米哈游公布视觉语言动作模型 Gamer,以每秒 5 帧采集画面,生成每秒 30 次的键鼠指令操作游戏。团队用超过 1 万小时操作轨迹预训练,把端到端延迟从 1306 毫秒降至 65 毫秒。该模型在 40 项小游戏任务上成功率 49.7%。

本文为摘要,完整内容请阅读原文: IT之家