AnswersPublished16 sources
AgentGarten: כשהקוד קובע את חוקי העולם וה-AI מצייר אותו
ב AgentGarten, קוד הסימולטור מגדיר את מצב העולם ואת חוקיו, ומרנדר עצבי מייצר את המראות שהסוכן רואה. המערכת יוצרת וידאו במקטעים קצרים, כך שסוכן יכול לפעול, לקבל תצפית חדשה ולבחור את הצעד הבא.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- ב AgentGarten, קוד הסימולטור מגדיר את מצב העולם ואת חוקיו, ומרנדר עצבי מייצר את המראות שהסוכן רואה.
- המערכת יוצרת וידאו במקטעים קצרים, כך שסוכן יכול לפעול, לקבל תצפית חדשה ולבחור את הצעד הבא.
- הסוכנים מתעדים לקחים במדריכי טקסט לסבבים הבאים; מדובר בתרגול של סוכן קיים, לא באימון מאפס באמצעות למידת חיזוק.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is MirroS’s open-source AgentGarten framework, whose code, technical report and project page were reported publicly available by QbitAI. Article summary: AgentGarten is MirroS’s open-source research framework for creating interactive “code worlds”: executable simulators determine what happens, while a shared neural renderer determines what agents see. QbitAI’s October 9, . Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
AgentGarten היא מסגרת מחקרית של MirroS ליצירת סביבות אינטראקטיביות לסוכני AI. קוד בר־הרצה קובע מה קורה בעולם, ואילו מרנדר עצבי מייצר את מה שהסוכן רואה. לפי דיווח QbitAI מ־9 באוקטובר 2026, הקוד, הדוח הטכני ואתר הפרויקט היו זמינים לציבור. מדובר בסביבת תרגול מחקרית — לא במוצר רובוטי שכבר נפרס בעולם הפיזי. 1
7
חוקים בקוד, מראה בתמונה
הסימולטור או מנוע המשחק שומרים את מצב העולם ומריצים את הכללים שהוגדרו בתוכנית — למשל, אינטראקציות בין עצמים ותוצאות של פעולות. המרנדר מקבל נתונים גאומטריים מהתצפית של הסוכן, כמו עומק או כיווני פני שטח, והופך אותם לתמונה. ההפרדה נועדה להשאיר את חוקי העולם מפורשים, ובמקביל לאפשר למרנדר משותף ליצור את המראה החזותי. 1
5
הגישה שונה ממודל וידאו שמייצר גם את הסצנה וגם את ההתנהגות הפיזיקלית שלה. היא עשויה גם לאפשר ליצור סביבות מגוונות בלי להכין בכל פעם מחדש אוסף גדול של נכסים חזותיים מפורטים. זו מטרה ארכיטקטונית, ולא הוכחה שכל עלויות בניית הסביבות נעלמות. 1
5
במקום סרט שלם: פעולה, תצפית, ושוב פעולה
AgentGarten מייצרת וידאו במקטעים קצרים ועוקבים, ולא מבקשת מהמרנדר ליצור מראש קליפ שלם. כך הסוכן יכול לפעול, לראות תצפית חזותית חדשה ולהשתמש בה כדי לבחור את הפעולה הבאה. המרנדר מתנה את הפלט בגאומטריה ובהיסטוריה החזותית הקודמת, כך שהמראות שנוצרים קשורים להתפתחות הסימולציה. 1
7
23
מה עושה Adversarial Forcing?
Adversarial Forcing היא שיטת אימון למרנדר — לא התהליך שבו הסוכנים כותבים את מדריכי המשחק שלהם. השיטה מזקקת מודל וידאו אוטורגרסיבי למרנדר שמסוגל ליצור תוצאה בפחות צעדים. באמצעות שחזור מדויק של רצף ההרצה, אפשר להשתמש בשגיאות שמופיעות במקטעים מאוחרים כדי לעדכן גם את האופן שבו המודל מקודד את ההיסטוריה החזותית שיצר קודם. בנוסף, מפלה שאומנה על וידאו אמיתי מסייעת לשפר את איכות התמונה לאורך רצפים ארוכים. 8
23
MirroS מציגה את הטכניקות האלה כדרך להתמודד עם ירידה באיכות החזותית לאורך יצירה ממושכת, ובה בין היתר סטייה הדרגתית וממצאים דמויי רשת. הן אינן משנות את חוקי הסימולטור, ואינן מבטיחות שכל רצף שייווצר יהיה מדויק. 23
מה בעצם אומר הנתון של 30 פריימים בשנייה?
MirroS מדווחת על קצב עיבוד של יותר מ־30 פריימים בשנייה ברזולוציית 480p, על גבי GPU יחיד. לשם כך נעשה שימוש בגרעיני Triton מותאמים אישית, ב־CUDA graphs ובמפענח קל. זהו נתון ביצועים של המרנדר — לא טענה שסוכן שלם, כולל שלב ההסקה שלו, מקבל יותר מ־30 החלטות בשנייה. 8
23
הסוכנים משאירים לעצמם מדריכי ניסיון
הסוכנים מתבוננים במראות מגוף ראשון ומבצעים פעולות באמצעות תוכניות Python קצרות. אחרי כל סבב הם מתעדים לקחים במדריכי טקסט, שסוכנים בסבבים מאוחרים יכולים לקבל ולהמשיך מהם. לכן התהליך המתואר נשען על תרגול של סוכן שאומן מראש ועל ניסיון מצטבר — ולא על אימון מאפס בלמידת חיזוק. 1
8
בהדגמות של מחבואים, MirroS מדווחת שהסוכנים למדו לבנות מחסה עד הסיבוב הרביעי, ולהיעזר ברמפה כדי לטפס מעל קיר עד הסיבוב העשירי. החברה משווה את אבני הדרך האלה למחקר מ־2019, שבו בניית מחסה הופיעה אחרי כ־25 מיליון פרקי אימון, ושימוש ברמפה אחרי כ־100 מיליון פרקים במצטבר. זו המחשה שמשווה בין שיטות למידה שונות, ולא השוואה מבוקרת בין מערכי אימון זהים או מדד שקול של יעילות בדוגמאות. 1
10
בארבע סבבי הדגמה נוספים דווח על עלייה בציון המעורבות של כלב־לוויה מ־13 ל־19; על כך ששתי מכוניות השלימו חצייה של גשר חד־נתיבי בתוך 41 שניות במקום 71; ועל כך ששני כלבים הצליחו לכלוא את כל ארבע הכבשים, לעומת שלוש בתחילה. במשימת העמסת מחצבה, הסוכנים סיימו, לפי הדיווח, 31 שניות לפני המועד האחרון. אלה תוצאות במשימות שהוצגו, ולא הוכחה לאמינות רחבה מחוץ להדגמות. 8
10
מה AgentGarten כן מראה — ומה עדיין לא
הרעיון המרכזי של AgentGarten הוא לשלב דינמיקה מפורשת וניתנת לעריכה בעולם, תצפיות חזותיות שנוצרות באמצעות מודל, וניסיון של סוכנים שאפשר להעביר הלאה. המבנה הזה מאפשר לחקור כיצד סוכנים פועלים ומשתפרים בסביבות אינטראקטיביות שמדמות היבטים פיזיקליים. התוצאות שדווחו הן הדגמות מעניינות, אך הן אינן מראות שההתנהגויות שנלמדו עוברות לרובוטים אמיתיים או שהמערכת מוכנה לפריסה בעולם הפיזי. 1
8
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "AgentGarten: כשהקוד קובע את חוקי העולם וה-AI מצייר אותו"?
ב AgentGarten, קוד הסימולטור מגדיר את מצב העולם ואת חוקיו, ומרנדר עצבי מייצר את המראות שהסוכן רואה.
What are the key points to validate first?
ב AgentGarten, קוד הסימולטור מגדיר את מצב העולם ואת חוקיו, ומרנדר עצבי מייצר את המראות שהסוכן רואה. המערכת יוצרת וידאו במקטעים קצרים, כך שסוכן יכול לפעול, לקבל תצפית חדשה ולבחור את הצעד הבא.
What should I do next in practice?
הסוכנים מתעדים לקחים במדריכי טקסט לסבבים הבאים; מדובר בתרגול של סוכן קיים, לא באימון מאפס באמצעות למידת חיזוק.