您现在的位置是：首页 > 要闻 > 正文
NVIDIA研究人员以GameGAN生成对抗网路重製小精灵游戏
发布时间：2022-04-26 11:54:02来源：
导读
曾经火红的经典游戏《小精灵》，如今 NVIDIA Research 透过五万局《小精灵》游戏所训练出的 AI 模型 NVIDIA「GameGAN」，可以在没
曾经火红的经典游戏《小精灵》，如今NVIDIAResearch透过五万局《小精灵》游戏所训练出的AI模型NVIDIA「GameGAN」，可以在没有底层游戏引擎的支援下，重製出一个功能完整的《小精灵》游戏。这意味着即使不明白游戏的基本规则，AI也能重现令人信服的游戏效果。
GameGAN是第一个利用生成对抗网路(GAN)模仿电脑游戏引擎的神经网路模型，由一个生成器和一个鉴别器组成，这两个神经网路相互竞争，学习如何建立出让原生信服的全新内容。
当人工代理程式游玩由生成对抗网路产生的游戏时，GameGAN会对代理程式的动作做出反应，即时生成新的游戏环境框架。如果使用有着多个关卡或版本的游戏剧本来训练神经网路，GameGAN甚至能产生出它自己也没见过的游戏布局。
游戏开发人员可以透过这项功能自动生成新的游戏关卡，AI研究人员也能藉此更方便地开发用于训练自主机器的模拟器系统。
NVIDIA会在今年下半年于AIPlayground推出这款加入AI的游戏，大家都能在此亲自体验我们的研究内容。
GameGAN版本的《小精灵》靠着神经网路，而非过去的游戏引擎来生成游戏环境。AI会不断追蹤虚拟世界、记住已产生的内容，以保持每个画面在视觉上的一致性。
无论是哪一款游戏，GAN可以透过过去游戏中的画面纪录和代理程式按键的资料，来学习其规则。游戏开发人员可以利用这样的工具，以原始关卡的剧本当成训练资料，自动为现有游戏设计新的关卡。
Kim和他在NVIDIA多伦多人工智慧研究实验室的合作对象，利用BANDAINAMCOResearch提供的五万局《小精灵》游戏资料(共有数百万个画面)，并结合AI代理程式玩游戏的按键资料，在NVIDIADGX系统上训练神经网路。
接着，经过训练的GameGAN模型产生出环境中的静态元素，像是一致的迷宫形状、点点和无敌药丸(PowerPellets)，再加上敌队的幽灵和小精灵本身等会移动的元素。
它学习了游戏里无论是简单还是複杂的重要规则。GameGAN版本的《小精灵》跟原版游戏里的规则一样，小精灵不能穿越迷宫的墙壁、走动时会吃掉点点，还有在吃到一个无敌药丸时，幽灵会变成蓝色并逃走。当小精灵从一边走出迷宫时，会被传送到另一边，要是遇到幽灵，画面会闪烁，而游戏便结束了。
既然GameGAN模型可以将背景与移动中的角色区分开来，就有可能将游戏重新设定为在室外的篱笆迷宫中进行，或者把小精灵换成你喜欢的表情符号。因此，开发人员便可以利用这项功能来尝试新的角色创意或游戏主题。
不只是游戏
通常我们使用模拟器来训练机器人，AI可以先在模拟器中学习环境规则，再与现实世界中的物体进行互动。然而对于开发人员而言，创建模拟器相当耗时，开发人员必须编写关于物体之间如何相互交流，以及光线如何在环境中运行的规则。
我们使用模拟器来开发各种自主机器，像是学习如何抓取和移动物件的仓库机器人，或者是必须在人行道上运送食物或药品的送货机器人。
GameGAN提出了一种可能性，也就是有一天能藉由简单的训练神经网路，取代费时的编写模拟器工作。
假设你在汽车上装了一台摄影机，它可以记录下道路环境的样子，或是驾驶转动方向盘或踩油门等行为。这些资料可以用来训练一个深度学习模型，预测万一人类驾驶员或是自动驾驶车出现猛踩煞车等动作时，在现实环境中可能会发生的情况。
NVIDIAResearch在全球各地拥有200多名科学家，专注于AI、电脑视觉、自动驾驶车、机器人及绘图等领域。
GameGAN由Fidler、Kim、NVIDIA研究员JonahPhilion、多伦多大学学生YuhaoZhou及麻省理工学院教授AntonioTorralba共同编写完成。该论文将在六月举行的着名CVPR(ConferenceonComputerVisionandPatternRecognition)大会上发表。
相关连结
YouTube预告影片：PAC-MAN与GameGAN
NVIDIAGameGAN研究报告
NVIDIAGauGAN部落格文章
标签：