insactor

InsActor是一个基于物理模拟的角色控制系统。它可以通过自然语言指令驱动角色在复杂环境中完成各种交互任务。该系统利用条件与对抗扩散模型进行多级规划,并与低级控制器相结合,实现稳定、鲁棒的控制。具有控制流畅、交互自然的优势,适用于创意内容生成、互动娱乐、人机交互等应用场景。

需求人群:

["生成创意内容","互动娱乐","人机交互"]

使用场景示例:

让角色完成翻跟头的动作。

控制角色在场景中自然行走。

让角色抓起球然后投进篮框完成投篮动作。

产品特色:

自然语言指令驱动

基于物理的角色控制

条件与对抗扩散多级规划

结合低级控制器实现稳定控制

浏览量:139

打开站点

网站流量情况

最新流量情况

月访问量

4.92m

平均访问时长

00:06:33

每次访问页数

6.11

跳出率

36.20%

流量来源

直接访问

51.61%

自然搜索

33.46%

邮件

0.04%

外链引荐

12.58%

社交媒体

2.19%

展示广告

0

截止目前所有流量趋势图

地理流量分布情况

中国

12.55%

德国

3.84%

印度

9.38%

俄罗斯

4.61%

美国

18.64%

类似产品

生成和交互控制开放世界游戏视频的扩散变换模型

GameGen-X是专为生成和交互控制开放世界游戏视频而设计的扩散变换模型。该模型通过模拟游戏引擎的多种特性,如创新角色、动态环境、复杂动作和多样事件,实现了高质量、开放领域的视频生成。此外,它还提供了交互控制能力,能够根据当前视频片段预测和改变未来内容,从而实现游戏玩法模拟。为了实现这一愿景,我们首先从零开始收集并构建了一个开放世界视频游戏数据集(OGameData),这是第一个也是最大的开放世界游戏视频生成和控制数据集,包含超过150款游戏的100多万个多样化游戏视频片段,这些片段都配有GPT-4o的信息性字幕。GameGen-X经历了两阶段的训练过程,包括基础模型预训练和指令调优。首先,模型通过文本到视频生成和视频续集进行预训练,赋予了其长序列、高质量开放领域游戏视频生成的能力。进一步,为了实现交互控制能力,我们设计了InstructNet来整合与游戏相关的多模态控制信号专家。这使得模型能够根据用户输入调整潜在表示,首次在视频生成中统一角色交互和场景内容控制。在指令调优期间,只有InstructNet被更新,而预训练的基础模型被冻结,使得交互控制能力的整合不会损失生成视频内容的多样性和质量。GameGen-X代表了使用生成模型进行开放世界视频游戏设计的一次重大飞跃。它展示了生成模型作为传统渲染技术的辅助工具的潜力,有效地将创造性生成与交互能力结合起来。

© 2025     AIbase    备案号:闽ICP备08105208号-14

隐私政策

用户协议

意见反馈 网站地图