《吃豆人》40周年献礼,NVIDIA用AI学习5万次“创造”出了PAC-MAN

自媒体 自媒体

近日,NVIDIA联袂万代南梦宫发布,为祝贺经典电子游戏《吃豆人》(PAC-MAN)降生40周年,将运用人工智能(AI)对这款街机游戏进行刷新。NVIDIA研究人员在5万个《吃豆人》(PAC-MAN)情节中演习出一个名为NVIDIA GameGAN的全新AI模型,并在没有游戏引擎撑持的景遇下,打造了一个功能齐全的新游戏版本。无中生有创造出一个游戏,NVIDIA是怎么做的?

(自媒体www.77y77.com)


(原创文章www.77y77.com)

(自媒体www.77y77.com)


说起《吃豆人》,相信老玩家们都不会生疏。作为游戏史上的经典之作,这款游戏最初展现在任天堂FC游戏机和街机上,陪同着略有些“魔性”的音乐,玩家们操控吃豆人PAC-MAN在随机生成的迷宫中吃完屏幕上的所有豆子,并要在过程中躲开鬼魂的干扰。


据不完全统计,仅在1981年一年时间里,美国人就往游戏机里投了几十亿个25美分硬币,也就是花在这款游戏上的金额跨越10亿美金,总游玩时间达到75000小时。在之后的几十年中,这款热点游戏络续推陈出新,在电脑、游戏机和手机上推出了多个版本。



而如今,这款被到场世界游戏名作殿堂的经典游戏借助于NVIDIA AI手艺再度更生。NVIDIA的研究人员经由5万个回合的游戏演习,已经能够在无需底细游戏引擎的景遇下生成完整版的《吃豆人》游戏。也就是说,该AI即使没有游戏引擎和数据的撑持,甚至在不熟悉游戏的根本规定前提下,也可以完美再现这款经典游戏。完成这一看起来弗成思议的义务的,恰是NVIDIA推出的用于进修游戏引擎的AI模型——GameGAN。


GameGAN,全球首款进修游戏引擎的AI模型

GameGAN是首个经由行使生成匹敌收集(GAN)模拟角力机游戏引擎的神经收集模型。基于GAN的模型由两个互相匹敌的神经收集,即生成器和判别器组成,能够生成足以以假乱真的真切图像。不少玩家或许已经经由NVIDIA GauGAN体验过GAN这款深度进修模型,它由NVIDIA Research斥地,能随意地将随意涂鸦变成真切的精品,令人赞叹不已。


GameGAN能够加速游戏斥地者的创作过程,因为它可以自动生成游戏新关卡。GameGAN还可以匡助AI研究人员更随意地斥地出用于演习自立机械的模拟器系统,让AI在与实际世界中的物体交互之前,进步修情形规定。


▲NVIDIA GameGAN经由达到数万次的游戏过程进修,就能够在无须熟悉游戏引擎和设计数据的景遇下,自立生成这款经典游戏的完整版。


GameGAN是首个行使生成式匹敌收集(GAN)模拟角力机游戏引擎的神经收集模型。GAN模型由两个互相匹敌的神经收集组成,一个生成器(generator)和一个差别器(discriminator),其能够进建筑容身以媲美原版内容的新内容。


▲NVIDIA研究人员兼该项目的首席作者Seung-Wook Kim透露:“这是首个使用GAN神经收集模拟游戏引擎的研究。我们想看看AI是否可以仅经由观察游戏中智能代理的行为来进修交融游戏情形规定。事实证实它做到了。”


当智能代理试玩GAN生成的游戏时,GameGAN会对代理的行为做出响应,从而实时生成新的游戏情形框架。在使用游戏不合等级或版本的游戏剧本进行演习后,GameGAN甚至可以生成从未有过的游戏关卡。


游戏斥地人员可以行使此功能自动生成新的游戏等级关卡,AI研究人员则可以使用此功能更轻松地斥地用于演习自立机械的模拟器系统。


GameGAN,重现经典PAC-MAN

▲经由络续的进修,GameGAN就能完全懂得《吃豆人》的游戏规定,并生成一款几乎和原版一模一样游戏体验的“新”游戏。



无论是哪一款游戏,GAN都可以经由从以前的游戏中提取屏幕录像和智能代理的按键轨迹来进修其规定。游戏斥地人员可以将原关卡中的游戏剧本作为演习数据,使用该对象为当前的游戏设计新的等级关卡。


行使万代南梦宫研究有限公司(BANDAI NAMCO)所供给的数据,NVIDIA研究人员及《吃豆人》GameGAN项目的首席作者Kim和他在多伦多NVIDIA AI 研究院的同事们一路在NVIDIA DGX系统上使用《吃豆人》游戏对该神经收集进行了总计数万帧的演习,同时参预了AI代理在游玩这款游戏时的键盘轨迹。


NVIDIA透露,经由演习后的GameGAN模型能够生成静态情形元素,例如统一的迷宫外形、豆子和强化道具,以及作为仇敌的鬼魂和吃豆人本身等移动元素。该模型能够进修简练和复杂的关键性游戏规定。例如,和原版游戏一样,吃豆人无法穿过迷宫墙。他需要一边四处移动,一边吃豆。当他吃到强化道具后,鬼魂会变成蓝色并四处逃窜。当吃豆人从一侧离开迷宫时,他会被传送到迷宫的另一侧。一旦吃豆人碰着鬼魂,屏幕就会闪烁并结束游戏。

▲用GameGAN AI生成的吃豆人游戏拥有和原版几乎一样的游戏规定与体验


因为该模型可以区分派景与活动的角色,是以其可以将游戏中的迷宫替代成绿篱墙式的迷宫,还可以将吃豆人换成你最喜欢的神色符号。同时,斥地人员也可以使用这项功能考试新的角色创意或游戏主题,从而开创出更多、无限的游戏或许性。


万代南梦宫公司的Koichiro Tsutsumi透露,“在看到这个事实时,我们都感应震惊,人人都无法相信可以在没有游戏引擎的景遇下再现了南梦宫的经典游戏《吃豆人》。这项研究将匡助游戏斥地人员加快新关卡、角色甚至游戏的斥地。一想到这一点,我们就感应十分兴奋。”


▲GameGAN版本依靠神经收集而非传统的游戏引擎来生成《吃豆人》情形。AI持续追踪这个虚拟世界,记录已生成的内容以保证帧与帧之间的视觉一致性。


GameGAN,不止于游戏

其实,自立动作的AI机械人常日也需要在模拟器中接管演习,模拟器中的AI可以在与实际世界中的方针进行交互之前,进修情形规定。对于斥地人员而言,竖立模拟器是一个相当耗时的过程。斥地人员必需编写有关若何与方针互动,以及及光在情形中若何示意等规定。

▲模拟器的AI行为进修是一个非常复杂的过程


模拟器被遍及用于斥地各类自立机械,例如进修若何抓握和移动物体的仓库机械人、或是需要在人行道上运输食物或药品的物流机械人等。而GameGAN的展现,为其带来了一种或许性——在未来的某一天,神经收集演习将能庖代此类义务中编写模拟器的工作。

比如你在汽车上安装一个摄像头。该摄像头可以记录道路情形或驾驶员的行为,例如迁徙倾向盘或踩下油门等。这些数据可被用于演习一个深度进修模型,其能够瞻望在实际世界中,人类驾驶员(或自动驾驶汽车)在做出猛踩刹车等动作时会发生什么后果。


正如NVIDIA多伦多研究实验室主任Sanja Fidler所说,“我们最终将演习出一个AI,其只需经由观察视频和视察方针在情形中所回收的动作,就能模拟驾驶规定或物理定律。GameGAN是朝这一方针所迈出的第一步。”


所以,我们也完全相信,GameGAN的浸染毫不光仅是演习出一个完整的《吃豆人》游戏,也毫不会仅仅面向游戏应用,它的未来,或许将是星辰大海,拭目以待!而作为游戏玩家,我们当然也进展GameGAN能获得遍及的应用并进一步深入拓展,让游戏的世界更有趣、更好玩、更有挑战性。


最后,据NVIDIA最新发布的新闻浮现,NVIDIA将于今年晚些时候在AI Playground上发布这款由AI再现的《吃豆人》。届时,所有玩家都可以在DEMO中亲自体验这一研究演示事实。


注释:本文翻译参考资料起原NVIDIA官方资料


自媒体微信号:77y77扫描二维码关注公众号
爱八卦,爱爆料。

Copyright2018.琴琴自媒体资讯站,让大家及时掌握各行各业第一手资讯新闻!