GameNGen

GameNGen是一個完全由神經模型驅動的遊戲引擎，能夠實現與復雜環境的實時互動，並在長時間軌跡上保持高質量。它能夠以每秒超過20幀的速度交互式模擬經典遊戲《DOOM》，並且其下一幀預測的PSNR達到29.4，與有損JPEG壓縮相當。人類評估者在區分遊戲片段和模擬片段方面僅略優於隨機機會。 GameNGen通過兩個階段的訓練：(1)一個RL-agent學習玩遊戲並記錄訓練會話的動作和觀察結果，成為生成模型的訓練數據；(2)一個擴散模型被訓練來預測下一幀，條件是過去的動作和觀察序列。條件增強允許在長時間軌跡上穩定自回歸生成。

需求人群：

" GameNGen的目標受眾包括遊戲開發者、人工智能研究人員和圖形設計師。它為遊戲開發者提供了一種新的工具，可以快速生成高質量的遊戲環境和動畫；對於人工智能研究人員，它提供了一個研究實時互動和環境模擬的平台；而對於圖形設計師，它提供了一種創新的方式來創造和展示視覺內容。"

使用場景示例：

遊戲開發者使用GameNGen快速生成遊戲環境和動畫

AI研究人員利用GameNGen進行實時互動和環境模擬的研究

圖形設計師使用GameNGen創造獨特的視覺展示內容

產品特色：

使用神經模型實時模擬複雜環境

在單個TPU上以超過20幀/秒的速度模擬《DOOM》遊戲

下一幀預測達到29.4的PSNR，與有損JPEG壓縮相當

人類評估者難以區分真實遊戲片段與模擬片段

通過RL-agent學習玩遊戲並記錄訓練數據

擴散模型訓練，用於預測下一幀

條件增強技術，保持長時間軌蹟的視覺穩定性

使用教程：

1. 訪問GameNGen的官方網站以獲取模型和相關文檔

2. 理解模型的工作原理和訓練過程

3. 根據需要設置和配置模型參數

4. 利用RL-agent進行遊戲訓練，收集數據

5. 使用擴散模型進行下一幀的預測

6. 應用條件增強技術以保持視覺穩定性

7. 根據反饋調整模型，優化性能