ASE
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- NVIDIA,University of California (UC) Berkeley
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America
- Pubblicato
- 5 May 2022
- Autori
- Xue Bin Peng, Yunrong Guo, Lina Halper, Sergey Levine, Sanja Fidler
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Robotics
- Compito
- Animal (human/non-human) imitation
- Approccio
- Reinforcement learning
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 4.5 × 10¹⁹ FLOP
- Come è stato stabilito
- 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
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA Tesla V100 PCIe 16 GB
- Tempo di parete
- 240 hours (10 days)
Training took around 10 days on a single GPU.
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
- Citazioni
- 56
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
ASE è stato pubblicato da NVIDIA,University of California (UC) Berkeley, nel paese registrato come United States of America, durante May 2022. L'organizzazione di pubblicazione è classificata come industry,Academia.
Funziona nel dominio di Robotics, ed è registrato come eseguire il compito di animal (human/non-human) imitation.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
Il run di addestramento ha consumato circa 4.5 × 10¹⁹ FLOP, su hardware registrato come NVIDIA Tesla V100 PCIe 16 GB. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
ASE — domande comuni
ASE— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
ASE— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
ASE— chi l'ha creato?
È stato pubblicato da NVIDIA,University of California (UC) Berkeley, basato su United States of America, un'organizzazione categorizzata come industry,Academia.
ASE— quando è stato rilasciato?
È stato pubblicato in May 2022. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
ASE— A cosa serve?
Funziona nel dominio di Robotics, e viene registrato come gestire il compito di animal (human/non-human) imitation. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
ASE— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 4.5 × 10¹⁹ FLOP, su hardware registrato come NVIDIA Tesla V100 PCIe 16 GB. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
ASE— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.