テクノロジー
「羊の毛を刈って」と言うユーザーの指示通りにマイクラ内で動いてくれるAI「MineDojo」についての論文が機械学習カンファレンスの賞を受賞
NVIDIAによると、同社が開発した「MineDojo」という、書かれたプロンプトから人気サンドボックスゲーム『Minecraft』のアクションを実行できる汎用AIエージェントについて、これを解説した論文が、2022年の […]
Tech Product
MineCLIP
Overview
最終更新: 2026年7月9日MineDojoプロジェクトの一環として開発された、動画とテキストを関連付けるための大規模なビデオ言語モデル。YouTubeのゲーム実況動画とナレーション（トランスクリプト）を学習することで、人間の手によるラベリングなしにゲーム内の動作と概念の関連性を理解し、エージェントの報酬信号として機能する。
Mentioned Articles
1 件External Mentions
9 件- arXivTowards Robustness against Typographic Attack with Training-free Concept Localization
- arXivOmniVideo-100K: A Dataset for Audio-Visual Reasoning through Structured Scripts and Evidence Chains
- arXivROGLE: Robust Global-Local Alignment with Automated Region Supervision for Text-Based Person Search
- arXivROGLE: Robust Global-Local Alignment with Automated Region Supervision for Text-Based Person Search
- arXivVIP: Visual-guided Prompt Evolution for Efficient Dense Vision-Language Inference
- arXivCross-Modal Attention Analysis and Optimization in Vision-Language Models: A Study on Visual Reliability
- arXivHierarchical Semantic Correlation-Aware Masked Autoencoder for Unsupervised Audio-Visual Representation Learning
- arXivGazeCLIP: Gaze-Guided CLIP with Adaptive-Enhanced Fine-Grained Language Prompt for Deepfake Attribution and Detection
- arXivWalking Further: Semantic-aware Multimodal Gait Recognition Under Long-Range Conditions