ASE
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- NVIDIA,University of California (UC) Berkeley
- Tipo de organización
- Industry,Academia
- País
- United States of America
- Publicado
- 5 May 2022
- Autores
- Xue Bin Peng, Yunrong Guo, Lina Halper, Sergey Levine, Sanja Fidler
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Robotics
- Tarea
- Animal (human/non-human) imitation
- Approach
- Reinforcement learning
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
Entrenamiento de computación
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de cuán rápido responde el modelo terminado.
- Entrenamiento de computación
- 4.5 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware
Training was done using the Isaac Gym simulator on an NVIDIA V100 GPU. The model was trained on over 10 billion samples, which equates to 10 years of simulated experience time. Training took around 10 days on a single GPU. 1.3e14 * 10 * 24 * 3600 * 0.4 = 4.49e19
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- NVIDIA Tesla V100 PCIe 16 GB
- Wall-clock time
- 240 hours (10 days)
Training took around 10 days on a single GPU.
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Likely
- Citations
- 56
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
ASE was published by NVIDIA,University of California (UC) Berkeley, in United States of America, in May 2022. The organisation is categorised as industry,Academia.
It works in Robotics, and is recorded as doing animal (human/non-human) imitation.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a ellos a través de su proveedor. Ninguna tarjeta gráfica cambia eso.
Qué se utilizó para construirlo
The training run consumed about 4.5 × 10¹⁹ FLOP, on NVIDIA Tesla V100 PCIe 16 GB. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
Respuestas
ASE — Preguntas frecuentes
Is ASE open source?
The licensing for ASE was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does ASE have?
No parameter count has been published for ASE, which is why no memory or speed figure appears on this page.
Who created ASE?
ASE was published by NVIDIA,University of California (UC) Berkeley, based in United States of America, categorised as industry,Academia.
When was ASE released?
ASE was published in May 2022. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is ASE used for?
ASE works in Robotics, and is recorded as handling animal (human/non-human) imitation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train ASE?
Around 4.5 × 10¹⁹ FLOP, on NVIDIA Tesla V100 PCIe 16 GB. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run ASE?
None. ASE is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.