Figure 1: A learned differentiable world model trains a humanoid whole-body controller and reduces GPU-hours by more than 1000× versus cluster-scale model-free reinforcement learning (§4.1). Left: the policy improves through imagined rollouts of the world model. Right: 128 L40 GPUs train for 168 h in SONIC [1], against one H100 for 3 h in this work.
Hình 1: Một mô hình thế giới khả vi được học từ dữ liệu có thể huấn luyện bộ điều khiển toàn thân cho robot hình người, đồng thời giảm số giờ-GPU hơn 1000 lần so với học tăng cường không mô hình chạy trên cả cụm máy (§4.1). Bên trái: chính sách được cải thiện dần qua các lượt triển khai “tưởng tượng” bên trong mô hình thế giới. Bên phải: SONIC [1] cần 128 GPU L40 chạy liên tục 168 giờ, trong khi nghiên cứu này chỉ dùng một GPU H100 trong 3 giờ.