Translations:Diffusion Models Are Real-Time Game Engines/91/es: Difference between revisions

    From Marovi AI
    (Created page with "'''Trabajo futuro.''' Demostramos ''GameNGen'' en el juego clásico DOOM. Sería interesante probarlo en otros juegos o, más en general, en otros sistemas de software interactivo. Observamos que nada en nuestra técnica es específico de DOOM, salvo la función de recompensa para el agente de aprendizaje por refuerzo. Tenemos previsto abordar esta cuestión en futuros trabajos. Aunque ''GameNGen'' consigue mantener el estado del juego con precisión, no es perfecto, seg...")
     
    (No difference)

    Latest revision as of 03:30, 7 September 2024

    Information about message (contribute)
    This message has no documentation. If you know where or how this message is used, you can help other translators by adding documentation to this message.
    Message definition (Diffusion Models Are Real-Time Game Engines)
    '''Future Work.''' We demonstrate ''GameNGen'' on the classic game DOOM. It would be interesting to test it on other games or more generally on other interactive software systems. We note that nothing in our technique is DOOM specific except for the reward function for the RL-agent. We plan on addressing that in future work. While ''GameNGen'' manages to maintain game state accurately, it isn’t perfect, as per the discussion above. A more sophisticated architecture might be needed to mitigate these issues. ''GameNGen'' currently has a limited capability to leverage more than a minimal amount of memory. Experimenting with further expanding the memory effectively could be critical for more complex games/software. ''GameNGen'' runs at 20 or 50 FPS<sup>2</sup><sup>2</sup>Faster than the original game DOOM ran on some of the authors’ 80386 machines at the time! on a TPUv5. It would be interesting to experiment with further optimization techniques to get it to run at higher frame rates and on consumer hardware.

    Trabajo futuro. Demostramos GameNGen en el juego clásico DOOM. Sería interesante probarlo en otros juegos o, más en general, en otros sistemas de software interactivo. Observamos que nada en nuestra técnica es específico de DOOM, salvo la función de recompensa para el agente de aprendizaje por refuerzo. Tenemos previsto abordar esta cuestión en futuros trabajos. Aunque GameNGen consigue mantener el estado del juego con precisión, no es perfecto, según la discusión anterior. Podría ser necesaria una arquitectura más sofisticada para mitigar estos problemas. GameNGen tiene actualmente una capacidad limitada para aprovechar más que una cantidad mínima de memoria. Experimentar con una mayor ampliación de la memoria de forma eficaz podría ser fundamental para juegos/software más complejos. GameNGen funciona a 20 o 50 FPS22 ¡Más rápido de lo que corría el juego original DOOM en algunas de las máquinas 80386 de los autores en su momento! en una TPUv5. Sería interesante experimentar con más técnicas de optimización para conseguir que funcione a velocidades de fotogramas más altas y en hardware de consumo.