कई अनुकरण किए गए दुनियाओं में निर्देश योग्य एजेंट का स्केलिंग

किसी भी 3डी वातावरण में मनमर्जी की भाषा निर्देशों का पालन करने वाले रूपांतरित एआई सिस्टम बनाना सामान्य एआई बनाने के लिए एक महत्वपूर्ण चुनौती है। इस लक्ष्य को प्राप्त करने के लिए भाषा को धारणा और रूपांतरित कार्यों में आधारभूत करना सीखना आवश्यक है, ताकि जटिल कार्यों को पूरा किया जा सके। स्केलेबल, इंस्ट्रक्टेबल, मल्टीवर्ल्ड एजेंट (SIMA) परियोजना इसे विभिन्न प्रकार के वर्चुअल 3D वातावरणों में मनमर्जी के निर्देशों का पालन करने के लिए एजेंटों को प्रशिक्षित करके हल करती है, जिसमें क्यूरेटेड अनुसंधान वातावरण और ओपन-एंडेड, व्यावसायिक वीडियो गेम शामिल हैं। हमारा लक्ष्य एक ऐसा निर्देश योग्य एजेंट विकसित करना है जो किसी भी अनुकरण किए गए 3D वातावरण में किसी भी मानव द्वारा किए जाने वाले कार्य को पूरा कर सके। हमारी विधि न्यूनतम मान्यताओं के साथ भाषा-प्रेरित सामान्यता पर केंद्रित है। हमारे एजेंट वास्तविक समय में एक सामान्य, मानव-समान इंटरफ़ेस का उपयोग करके वातावरण के साथ बातचीत करते हैं: इनपुट छवि अवलोकन और भाषा निर्देश हैं और आउटपुट कीबोर्ड और माउस क्रियाएँ हैं। यह सामान्य दृष्टिकोण चुनौतीपूर्ण है, लेकिन यह एजेंटों को कई दृष्टिगत रूप से जटिल और समृद्ध वातावरणों में भाषा को आधारभूत करने की अनुमति देता है और साथ ही हमें नए वातावरणों में एजेंटों को सहजता से चलाने की अनुमति देता है। इस पेपर में हम अपनी प्रेरणा और लक्ष्य, हमने जो प्रारंभिक प्रगति की है, और कई विविध अनुसंधान वातावरणों और विभिन्न व्यावसायिक वीडियो गेमों पर उत्साहवर्धक प्रारंभिक परिणामों का वर्णन करते हैं।