适配世界模型以实现 3D 游戏中的轨迹跟随
人工智能
2025-04-17 v1 计算机视觉与模式识别
机器学习
摘要
模仿学习是利用专家知识训练智能体的强大工具，而能够复制给定轨迹是其不可或缺的一部分。在复杂环境中，如现代 3D 视频游戏，分布偏移和随机性要求采用超越简单动作回放的稳健方法。在本研究中，我们将具有不同编码器和策略头的逆动力学模型（IDM）应用于现代 3D 视频《Bleeding Edge》中的轨迹跟随任务。此外，我们研究了几种未来对齐策略，以解决由偶然不确定性和智能体缺陷引起的分布偏移。我们测量了参考轨迹与智能体轨迹之间的轨迹偏差距离和首次显著偏差点，并表明最佳配置取决于所选设置。我们的结果显示，在多样化数据设置中，采用从头训练的编码器的 GPT 风格策略头表现最佳；在低数据量情况下，DINOv2 编码器与 GPT 风格策略头给出了最佳结果；而在多样化设置上进行预训练并针对特定行为设置进行微调时，GPT 风格和 MLP 风格策略头取得了相当的结果。
引用
@article{arxiv.2504.12299,
title = {Adapting a World Model for Trajectory Following in a 3D Game},
author = {Marko Tot and Shu Ishida and Abdelhak Lemkhenter and David Bignell and Pallavi Choudhury and Chris Lovett and Luis França and Matheus Ribeiro Furtado de Mendonça and Tarun Gupta and Darren Gehring and Sam Devlin and Sergio Valcarcel Macua and Raluca Georgescu},
journal= {arXiv preprint arXiv:2504.12299},
year = {2025}
}