只用一張RTX 4090顯卡，開發(fā)者用AI視頻生成技術模擬《超級馬里奧兄弟》

近期，AI 技術在游戲開發(fā)領域取得了令人矚目的進展。

繼谷歌的 GameNGen AI 模型展示了使用圖像擴散技術生成可玩版《毀滅戰(zhàn)士》（Doom）的能力后，一個新研究項目又將目光投向了另一款經(jīng)典游戲——任天堂的《超級馬里奧兄弟》（Super Mario Bros）。

這個項目展示了 AI 如何通過視頻生成技術來模擬這款 1985 年發(fā)行的經(jīng)典游戲，為未來的游戲開發(fā)開辟了新的可能性。

公開資料顯示，MarioVGG 項目主要由 GitHub 用戶歐尼·周（Ernie Chew）和布瑞恩·林（Brian Lim）管理，其相關論文由加密貨幣相關的 AI 公司 Virtuals Protocol 發(fā)表。

該項目主要利用機器學習技術，通過研究游戲視頻和輸入數(shù)據(jù)，來推斷游戲的物理規(guī)則和游戲動態(tài)。

研究人員使用了一個包含 280 個游戲關卡的公開數(shù)據(jù)集，游戲畫面超過 737000 幀。

為了簡化游戲情況，他們只關注兩種潛在輸入：向右跑和向右跑并跳躍。經(jīng)過約 48 小時的訓練（使用單塊 RTX 4090 顯卡），模型就能夠從靜態(tài)的初始游戲圖像和文本輸入生成新的視頻幀序列。

MarioVGG 采用了文本到視頻生成的方法來重現(xiàn)《超級馬里奧兄弟》。模型通過學習游戲畫面，能夠根據(jù)玩家的文本輸入（“跑”或“跳”）生成相應的游戲畫面序列。

具體來說，模型只需要接收一個初始的游戲畫面幀和所需動作的文本描述（例如“跳躍”），然后學習生成一系列可視化描述所需動作的幀。

為了提高效率，研究人員將輸出幀的分辨率從原始 NES（注：Nintendo Entertainment System，是任天堂生產(chǎn)的第一代家用游戲機）的 256×240 降低到了 64×48 或 128×96。

此外，他們將 35 幀的視頻時間壓縮為僅 7 個生成幀，這些幀以均勻的間隔分布，從而創(chuàng)造出比實際游戲畫質(zhì)更粗糙的游戲視頻。

盡管采用了這些方法，MarioVGG 模型仍然面臨著接近實時視頻生成的挑戰(zhàn)。研究人員只用了一張 RTX 4090 顯卡，需要大約 6 秒鐘才能生成 6 幀視頻序列，視頻長度僅僅超過半秒，這還是在極其有限的幀率下。

研究人員承認這“對于交互式視頻游戲來說既不實用也不友好”，但他們希望未來的優(yōu)化可以改善這一速率。

盡管存在上述限制，MarioVGG 仍然展現(xiàn)出了一些令人印象深刻的特性。

首先，模型能夠純粹從訓練數(shù)據(jù)中學習游戲的物理規(guī)則，包括馬里奧從懸崖邊跌落時的重力效果，以及在遇到障礙物時停止前進。

其次，雖然 MarioVGG 主要關注模擬馬里奧的動作，但它也能有效地為馬里奧生成新的障礙物，這些障礙物“與游戲的圖形語言相一致”。

此外，MarioVGG 能夠生成獨特的馬里奧關卡，只有第一幀輸入來自真實游戲狀態(tài)。

然而，MarioVGG 也面臨著一些顯著的挑戰(zhàn)，比如研究人員觀察到，輸入動作文本并不總是被模型所遵守。

有時還會出現(xiàn)明顯的視覺問題，如馬里奧有時會穿過障礙物和敵人、顏色閃爍、在幀之間縮小/增大，或在多個幀中完全消失后又重新出現(xiàn)。

模型并不懂得游戲邏輯，即使在馬里奧死掉之后，它還是會繼續(xù)渲染視頻幀，而不是回到最后的檢查點。此外，關卡和物體的生成也不可控，只能通過程序化生成。

MarioVGG 項目為未來游戲開發(fā)開辟了新的可能性，展示了 AI 如何通過學習視頻數(shù)據(jù)來理解和重現(xiàn)復雜的游戲機制。

研究人員希望這代表著“產(chǎn)生和展示可靠和可控的視頻游戲生成器”的第一步，甚至可能在未來“完全使用視頻生成模型取代游戲開發(fā)和游戲引擎”。

然而，要實現(xiàn)這一愿景，還需要解決諸如實時性能、畫面質(zhì)量、游戲邏輯一致性等一系列挑戰(zhàn)。例如，如何在生成的游戲中決定終止狀態(tài)，這仍然是一個開放的研究問題。

盡管如此，考慮到 MarioVGG 項目僅使用了相對較小的訓練數(shù)據(jù)集和單個消費級圖形處理器（GPU，Graphics Processing Unit），其取得的成果已經(jīng)相當令人印象深刻。

Virtual Protocols 公司在推特上樂觀地表示：“無限交互世界的時代已經(jīng)到來?！?/span>

總的來說，雖然視頻生成制作游戲的方法還無法完全替代傳統(tǒng)的游戲開發(fā)方法，但它為游戲產(chǎn)業(yè)注入了新的活力，讓我們得以一窺 AI 驅(qū)動的游戲未來。

這些新項目為游戲設計和開發(fā)提供了新的思路，展示了 AI 如何通過學習視頻數(shù)據(jù)來理解和重現(xiàn)復雜的游戲機制。

未來，我們可能會看到，隨著技術的發(fā)展有望出現(xiàn)更多 AI 輔助的游戲開發(fā)工具，甚至是完全由 AI 生成的游戲世界。