中国系MirroS-Lab、AIが学ぶ「コードで書く世界」AgentGartenを発表、4ラウンドで習得

　中国系のAI研究チームMirroS-Labは、エージェントが実時間で学習できる対話型の環境を「コードで書いた世界」として作る枠組み「AgentGarten」を発表した。Mingsheng Long氏ら14人の著者が、論文「AgentGarten: Code Worlds for Evolving Agents」をarXivに投稿した。発表日は10月8日（時刻不明）。

　仕組みの柱は、世界の中身を決める部分と、見た目を描く部分の分離だ。物理やルールを担うシミュレーターやゲームエンジンが世界の状態を保持し、プログラムで定めたルールを実行する。共通のインターフェース経由で受け取った構造化条件から、ニューラルレンダラーが視覚的な観測を生成する。新しい世界はコードとして書けば、同じレンダラーで描けるという。

　レンダラーは、事前学習済みの動画モデルを深度や表面の向きといった幾何条件に適応させて作った。蒸留には新手法「Adversarial Forcing」を使う。履歴の入力処理を微分可能にして、後段の予測の損失が過去の観測の符号化を更新できるようにし、実データによる敵対的な教師で画質を高めた。あわせて実時間の推論向けに最適化したと説明している。

　エージェントは、視覚的な観測だけで世界を知覚して操作する。各ラウンドの経験は「プレイブック」にまとめられ、後続のエージェントが引き継いで改良する。プロジェクトページには、犬との遊び、一車線の橋の譲り合い、牧羊、採石場での積み込み、かくれんぼの5つの世界が示されている。

　対話型の世界モデルをめぐっては、米Runwayが9月にコード不要の「Solaris」を発表している。

　GitHubでコードが公開された。ライセンスはApache-2.0で、ニューラルレンダラーの学習コードとストリーミング推論コードを含む。