ASE
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- NVIDIA,University of California (UC) Berkeley
- Organisatie type
- Industry,Academia
- Land
- United States of America
- Gepubliceerd
- 5 May 2022
- Auteurs
- Xue Bin Peng, Yunrong Guo, Lina Halper, Sergey Levine, Sanja Fidler
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Robotics
- Taak
- Animal (human/non-human) imitation
- Benadering
- Reinforcement learning
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Opleidingsgegevens
- tokens
Training berekeningen
De rekeningen die worden uitgevoerd om het model te trainen, gemeten in drijvende-komma-berekeningen. Het is een maat voor wat de trainingsrun kostte, niet hoe snel het voltooide model je antwoordt.
- Training berekeningen
- 4.5 × 10¹⁹ FLOP
- Hoe het werd opgericht
- 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
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA Tesla V100 PCIe 16 GB
- Wall-clock time
- 240 hours (10 days)
Training took around 10 days on a single GPU.
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Likely
- Citaties
- 56
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
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.
De gewichten zijn nooit gepubliceerd, dus het kan alleen worden bereikt via de aanbieder. Geen enkele grafische kaart verandert dat.
Wat erin is gestopt om het te bouwen
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.
Antwoorden
ASE — Veelgestelde vragen
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.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.