Meta公司推出了Meta Motivo人工智能模型，旨在控制类人数字智能体的动作，提升元宇宙体验。该模型基于行为的基础模型，在Mujoco模拟器中训练，利用AMASS动作捕捉数据集和在线交互样本，通过无监督强化学习算法进行预训练。Meta Motivo使用FB-CPR算法，学习表示将状态、动作和奖励嵌入同一潜在空间，实现全身控制任务，如运动跟踪、姿势到达和奖励优化，无需额外训练或规划。此外，Meta还发布了LCM和Video Seal等AI工具，展现其对AI、AR和元宇宙技术的持续投入。

🤖 Meta Motivo 是一个基于行为的基础模型，通过新型无监督强化学习算法进行预训练，能够控制复杂虚拟人形智能体的运动，提升元宇宙体验。

🤸‍♀️ 该模型在Mujoco模拟器中训练，使用了AMASS动作捕捉数据集的子集和3000万个在线交互样本，通过FB-CPR算法学习，无需任何特定任务的显式训练，就能完成运动轨迹跟踪、姿势到达和奖励优化等任务。

💡 Meta Motivo 的关键创新在于学习表示，将状态、动作和奖励嵌入到相同的潜在空间中，从而能够解决各种全身控制任务，无需任何额外的训练或规划，展现出更接近人类的行为。

🎬 Meta公司还发布了大型概念模型LCM和视频水印工具Video Seal等AI工具，并重申对AI、AR和元宇宙技术的持续投入。

IT之家 12 月 13 日消息，Meta 公司周四宣布推出名为 Meta Motivo 的人工智能模型，该模型旨在控制类人数字智能体的动作，从而提升元宇宙体验。

Meta 还发布了大型概念模型 LCM 和视频水印工具 Video Seal 等 AI 工具，并重申其对 AI、AR 和元宇宙技术持续投入的决心。

IT之家注：Meta Motivo 是一个基于行为的基础模型，在 Mujoco 模拟器中进行训练，使用了 AMASS 动作捕捉数据集的子集和 3000 万个在线交互样本，通过一种新型的无监督强化学习算法进行预训练，以控制复杂虚拟人形智能体的运动。

Meta Motivo 使用一种新颖的 FB-CPR 算法进行训练，该算法利用未标记的动作数据集，保留零样本推理能力的同时，将无监督强化学习引导至学习类似人类的行为。

尽管模型没有经过任何特定任务的显式训练，但在预训练过程中，动作轨迹跟踪（例如侧手翻）、姿势到达（例如阿拉贝斯克舞姿）和奖励优化（例如跑步）等任务的性能都得到了提升，展现出更接近人类的行为。

该算法的关键技术创新在于学习表示（representation），该表示可以将状态、动作和奖励嵌入到相同的潜在空间中。因此，Meta Motivo 能够解决各种全身控制任务，包括运动跟踪、目标姿态到达和奖励优化，而无需任何额外的训练或规划。

参考

• Zero-Shot Whole-Body Humanoid Control via Behavioral Foundation Models

• Introducing Meta Motivo

• Github