Mundus 0.1
автономный нейросетевой игровой движок
2 мин чтения
Mundus 0.1 — это двухстадийная причинная трансформерная модель мира (Causal Transformer World Model), разработанная для симуляции скрытой динамики, интерактивных окружений и обучения с подкреплением на основе моделей. Она сжимает визуальные кадры с помощью VQ-VAE (метода дискретизации изображений) и предсказывает будущие кадры, столкновения и награды в ответ на действия игрока. Модель доступна в версиях на 88.2M и 232.1M параметров, поддерживает работу на слабом железе (требует от 1.68 ГБ VRAM) и пригодится разработчикам игр, исследователям ИИ и любителям интерактивных нейросетей.
Ключевые особенности
- Двухстадийная архитектура: сочетает VQ-VAE визуальный токенайзер и Causal Dynamics Engine на базе SwiGLU Transformer блоков.
- Интерактивный веб-плеер: позволяет запускать симуляцию в браузере и управлять агентом с помощью стрелок или клавиатуры в реальном времени.
- Генерация воображения: умеет создавать авторегрессионные GIF-анимации развернутых сценариев («галлюцинаций» модели).
- Эффективность: младшая версия на 88.2M параметров оптимизирована для слабых видеокарт вроде GTX 1050.
Что можно сделать
- Запустить веб-симуляцию: поиграть в браузере через локальный сервер, переключаясь между чистой нейросетевой генерацией и физикой.
- Создать GIF-анимацию: сгенерировать последовательность будущих кадров (rollout) с помощью скрипта `imagine.py`.
- Обучить с нуля: запустить тренировку динамики трансформера на собственных траекториях и игровых данных.
- Запустить на ПК: использовать встроенный интерфейс Pygame для тестирования модели на десктопе.
Пример
Запуск интерактивного браузерного движка с чекпоинтом модели:
python3 web_player.py --checkpoint checkpoints/mundus_0.1_step_45000.pt --port 8080Подробнее
Параметры: 88.2M (активная) и 232.1M (высокой емкости) параметров.Архитектура: 12 или 18 SwiGLU Transformer блоков, скрытая размерность 768 / 1024, RoPE (ротационные позиционные эмбеддинги).
Требования к железу: от 1.68 ГБ VRAM для версии 88.2M до 3.52 ГБ RAM для 232.1M.
Лицензия: MIT.










Комментарии