ИИ от Google имитирует DOOM в режиме реального времени, открывая новые возможности для разработки игр

Исследователи из Google Research, Google DeepMind и Тель-Авивского университета создали GameNGen, систему искусственного интеллекта, которая может полностью имитировать и воспроизводить классическую игру DOOM в режиме реального времени. Этот прорыв может проложить путь к разработке игр с использованием искусственного интеллекта.

GameNGen может имитировать DOOM со скоростью более 20 кадров в секунду на одном чипе Google TPU.

Качество изображения в симуляции достигает максимального отношения сигнал / шум (PSNR) 29,4, что сопоставимо со сжатием JPEG с потерями. В тестах люди-оценщики могли отличить только короткие фрагменты симуляции от реального игрового процесса чуть лучше, чем случайно.

Обучение системы проходило в два этапа: сначала агент искусственного интеллекта учился играть в DOOM, записывая тренировочные сеансы. Затем была обучена диффузионная модель генерировать следующее изображение на основе предыдущих изображений и действий.

GameNGen может выполнять сложные обновления состояния игры, включая отслеживание здоровья и боеприпасов, подборку оружия, атаку на врагов, повреждение объектов и открытие дверей. Он может поддерживать игровое состояние в течение длительных периодов, при этом исследователи демонстрируют ролики продолжительностью около 2,5 минут.

Однако у системы есть ограничения. Ее "память" ограничена примерно 3 секундами, что означает, что она не может учитывать события, произошедшие более 3 секунд назад. Это ограничивает его способность распознавать долгосрочные отношения в игре и реагировать на них.

GameNGen улучшает предыдущие подходы, такие как GameGAN или GAN Theft Auto, с точки зрения сложности симуляции, скорости симуляции, долгосрочной стабильности и визуа

Однако у системы есть ограничения. Ее "память" ограничена примерно 3 секундами, что означает, что она не может учитывать события, произошедшие более 3 секунд назад. Это ограничивает его способность распознавать долгосрочные отношения в игре и реагировать на них.

GameNGen улучшает предыдущие подходы, такие как GameGAN или GAN Theft Auto, с точки зрения сложности симуляции, скорости симуляции, долгосрочной стабильности визуальных эффектов.

Исследователи рассматривают GameNGen как важный шаг на пути к новой парадигме игровых движков, где игры могут автоматически генерироваться с помощью нейронных моделей. Однако остаются вопросы о том, как обучать такие нейронные игровые движки и эффективно создавать игры, включая оптимальное использование человеческого вклада.

Другие примеры и код доступны на GitHub.

Кратко

ps. Комментируйте и лайкайте, пожалуйста! Это помогает продвижению статьи.