Action-Conditional Video Prediction using Deep Networks in Atari Games
根据历史画面和控制输入预测 Atari 游戏的后续帧,将视觉生成与智能体的动作联系起来。
首个 arXiv 版本 2015-07-31 · NeurIPS 2015
论文目录
按研究主题与首个 arXiv 版本日期阅读论文。
显示 13 篇论文
没有符合筛选条件的论文。请更换关键词或重置筛选。
根据历史画面和控制输入预测 Atari 游戏的后续帧,将视觉生成与智能体的动作联系起来。
首个 arXiv 版本 2015-07-31 · NeurIPS 2015
利用生成对抗网络,从游戏画面和键盘动作中学习可交互的视觉游戏模拟器。
首个 arXiv 版本 2020-05-25 · CVPR 2020
提出一种操作系统交互范式:由相互连接的生成模型理解用户意图,并承接或替代传统应用界面的交互。
首个 arXiv 版本 2023-10-07 · IEEE CogMI 2023
从没有真实动作标签的视频中学习可控制的视觉环境,使用模型学到的潜在动作空间。
首个 arXiv 版本 2024-02-23 · arXiv
提供真实计算机环境和可复现任务,覆盖桌面应用、网站和文件操作。
首个 arXiv 版本 2024-04-11 · NeurIPS 2024
提出在扩散世界模型中训练的智能体 DIAMOND,研究保留视觉细节对控制任务的影响。
首个 arXiv 版本 2024-05-20 · NeurIPS 2024
提供功能完整的 Android 环境,包含参数化任务和对设备状态的程序化检查。
首个 arXiv 版本 2024-05-23 · ICLR 2025
提出 GameNGen,利用扩散模型根据历史画面和玩家动作交互式地模拟 DOOM。
首个 arXiv 版本 2024-08-27 · ICLR 2025
用自然语言描述候选网页动作引起的重要变化,再根据这些预测选择动作。
首个 arXiv 版本 2024-10-17 · ICLR 2025
预测移动应用的后续屏幕,帮助智能体比较候选动作,并将图形内容与文字内容分开处理。
首个 arXiv 版本 2025-04-15 · arXiv
NeuralOS 研究 AI 操作系统与下一代 GUI 的生成式计算方向。模型从交互数据中学习计算机环境,结合循环状态跟踪与扩散渲染器,根据鼠标和键盘输入预测下一帧屏幕图像。
首个 arXiv 版本 2025-07-11 · ICLR 2026
通过生成可渲染代码来预测 GUI 的下一视觉状态,并评估预测结果是否有助于移动端智能体导航。
首个 arXiv 版本 2026-02-10 · arXiv