米哈游 Honkai 团队发布 Gamer 游戏智能体模型
《Gamer:面向长周期实时游戏智能体的通用视觉-语言-动作基础模型》是由「米哈游崩坏 AI 研发团队」联合发布的一项研究。参与该研究的机构包括新加坡国立大学、清华大学、中国科学院大学、中国科学技术大学和西安交通大学。该研究的指导者之一是蒋大为(David Jiang),他是《崩坏 3》《崩坏:星穹铁道》和《崩坏:归奇兽境》的制作人。多名贡献者为米哈游实习生,占核心贡献者的 5/8,占普通贡献者的 4/15。
米哈游崩坏 AI 研发团队开发了「Gamer」,这是一个旨在复杂环境中执行任务的 AI 系统,例如玩电子游戏或与数字及模拟世界互动。与处理简单单步任务的普通 AI 系统不同,Gamer 可以在较长时间内执行一系列动作。它能够观察周围环境、记住重要信息、做出决策并确定下一步行动。
Gamer 是通过数万小时的键盘和鼠标操作记录进行训练的。随后,它经过进一步优化,在面对复杂情况时仍能做出良好决策的同时,减少计算资源的消耗。Gamer 还接受了在 2D 和 3D 游戏环境中完成多步骤任务的训练。结果表明,它表现出色,能够适应不同环境,并且其操作效率可与熟练的人类玩家相媲美。
它探索了:
——《原神》《崩坏:星穹铁道》《绝区零》《绝地求生》《DOTA 2》《我的世界》《泰拉瑞亚》;
——《幻兽帕鲁》《星露谷物语》《怪物猎人:荒野》《霍格沃茨之遗》《赛博朋克 2077》;
——《GTA V》《刺客信条:枭雄》《Apex 英雄》《毁灭战士:永恒》《PEAK》《精灵与萤火意志》;
——《堡垒之夜》《反恐精英 2》等。
Gamer 玩游戏的方式与人类非常相似。它只观察屏幕上显示的内容,并通过键盘和鼠标输入来控制游戏。它不会直接访问游戏的内部数据或修改其底层程序来获取优势。
该团队还开发了一个名为「Streaming-vLLM」的系统,帮助 Gamer 更高效地学习和运行。它使 AI 能够实时与游戏互动,减少延迟,并使训练过程更快、更可靠。
然而,研究人员使用一个独立的系统来检查 Gamer 是否成功完成了任务。该系统提供反馈或奖励,帮助 Gamer 学习和改进。
总之,该研究表明,即使是普通的键盘和鼠标操作记录,当大量收集时,也能对训练高级 AI 系统具有价值。通过从这些互动中学习,AI 可以逐步发展出更复杂的技能,并更好地理解和应对不同环境。最终,目标是开发出不仅能与数字环境智能互动的 AI
本文由 AI 翻译自英文原帖,技术名词保留英文。
查看 X 原帖