Машинное обучение

🧱 Sakana AI и NYU научили Transformer генерировать Minecraft-миры по отдельным блокам В Dream-Cubed каждый блок - камень, вода, песок или дерево - обрабатывается как отдельный токен. Для обучения собрали более 30 млрд блоков: свыше 1,8 млн процедурных чанков размером 32×32×32 и более 200 тысяч фрагментов авторских карт. Исследоватли собрали датасет из десятков миллиардов блоков: процедурно созданных ландшафтов и качественных пользовательских карт, полученных с разрешения авторов. На этих данных обучили семейство Transformer-моделей для генерации интерактивных 3D-миров с точностью до отдельного блока. Модели умеют: - достраивать мир вокруг заданной структуры; - заменять отдельные участки и биомы; - генерировать по расставленным пользователем блокам; - расширять карту через outpainting; - создавать миры практически неограниченного размера. Авторы протестировали дискретную и непрерывную диффузию. Сгенерированные миры сразу остаются редактируемыми и пригодными для игры. Опубликованы датасет, код обучения, инференс и готовые модели. Блог: https://pub.sakana.ai/dream-cubed Статья: https://arxiv.org/abs/2604.22847 Код: https://github.com/SakanaAI/DreamCubed #AI #Minecraft #GenerativeAI #Diffusion #3D #OpenSource @ai_machinelearning_big_data