Temel Model Eğitimi

Model, göremediğini yeniden kurarak öğrenir. Özdenetimli maskeli yeniden kurma hedefi, her pencerenin bir bölümünü altı yapılandırılmış maske türüyle gizler — dağınık rastgele eklemlerden bütün zamansal bloklara, anatomik graf bölgelerinden birleşik uzam-zamansal bloklara — ve ağdan asıl temiz 3B koordinatları yeniden kurmasını ister. Her maske ailesi farklı bir yetkinliği zorlar: zamansal bloklar hareketin sürdürülmesini, graf bölgeleri anatomik çıkarımı, birleşik bloklar ikisini birden ister.

Aynı anda iki özellik kazanılır. Eklem başına hassasiyet: yeniden kurmalar eklem eklem doğru kalır. Ve düzenli bir gömme uzayı: benzer hareket, kamera açısından, aynalamadan veya vücut ölçüsünden bağımsız olarak birbirine yakın düşer. Eğitimin hiçbir yerinde elle etiketleme kullanılmaz — ne etiket, ne olay işareti, ne insan değerlendirmesi.

Bir vücut modeli imkânsız vücutlar icat etmemelidir — uzayan kemikler, ışınlanan eklemler. Eğitim boyunca çıktılar anatomik tutarlılığa bağlı tutulur: kemik uzunlukları pencere boyunca tutarlı, hız ve ivme profilleri pürüzsüz kalır. Sonuç bir fizik motoru değildir; her yeniden kurmanın bir vücut olarak kalmasını sağlayan esnek bir anatomik sözleşmedir.

2B iskelet, bir kameradan görülen 3B iskelettir — derinliği atan bir izdüşüm. Bu model için derinlik, eksik olabilecek şeylerden yalnızca biridir: vücutların üç boyutta nasıl hareket ettiğini öğrendiği için, kayıp boyutu tıpkı kapanan bir eklemi geri kazandırdığı gibi geri getirir. Gürültü gideren ve boşluk dolduran aynı ileri geçiş, yükseltmeyi de yapar.

Mevcut kontrol noktası bir kavram kanıtı eğitiminden geliyor: 14 gün boyunca 8×H100 — yaklaşık 2.700 GPU-saat — sıfır etiketle uçtan uca eğitim. Bu bir araştırma kontrol noktasıdır, ürün modeli değil; ölçülen davranışı değerlendirme paketinde belgelenmiştir.

Özdenetim, ham görüntüyü eğitim sinyaline çevirir; yetenek etiketleme bütçesiyle değil, veriyle ölçeklenir. Modelin öğrenme kaynağı, büyük ölçekte hareket verisidir — iskelet verisine dönüştürülmüş, devasa ve büyüyen bir hareket videosu derlemi. Aşağıdaki merdiven, derlem ölçeği ile modelin taşıyabilecekleri arasındaki dürüst haritadır — eğitim derlemi büyüklük mertebeleriyle büyüdükçe daha zor yetenekler mümkün hâle gelir.