40 лет спустя PAC-MAN воссоздан с помощью искусственного интеллекта исследователями NVIDIA

GameGAN, генерирующая состязательная сеть, обученная на 50 000 эпизодов PAC-MAN, создает полнофункциональную версию классического поедания точек без базового игрового движка.

22 мая 2020 г. Иша Салиан
Ваш браузер не поддерживает видео HTML5. Вместо этого ссылка на видео.
Делиться

Спустя сорок лет после того, как PAC-MAN впервые появился на игровых автоматах в Японии и проложил себе путь к мировой славе, ретро-классика возродилась благодаря искусственному интеллекту.

Обученная на 50 000 эпизодов игры, новая мощная модель искусственного интеллекта, созданная исследовательским отделом NVIDIA под названием NVIDIA GameGAN, может создать полнофункциональную версию PAC-MAN — без базового игрового движка. Это означает, что даже без понимания основных правил игры ИИ может воссоздать игру с убедительными результатами.

GameGAN — это первая модель нейронной сети, которая имитирует движок компьютерной игры, используя генеративно-состязательные сети или GAN. Состоящие из двух конкурирующих нейронных сетей, генератора и дискриминатора, модели на основе GAN учатся создавать новый контент, достаточно убедительный, чтобы его можно было сойти за оригинал.

«Это первое исследование по эмуляции игрового движка с использованием нейронных сетей на основе GAN», — сказал Сеунг-Вук Ким, исследователь NVIDIA и ведущий автор проекта. «Мы хотели посмотреть, сможет ли ИИ изучить правила среды, просто взглянув на сценарий движения агента по игре. Так оно и было».

Когда искусственный агент играет в игру, сгенерированную GAN, GameGAN реагирует на действия агента, генерируя новые кадры игровой среды в режиме реального времени. GameGAN может даже создавать макеты игр, которых он никогда раньше не видел, если он обучен сценариям игр с несколькими уровнями или версиями.

Эта возможность может быть использована разработчиками игр для автоматического создания макетов для новых игровых уровней, а также исследователями искусственного интеллекта для упрощения разработки систем симуляторов для обучения автономных машин.

«Мы были потрясены, когда увидели результаты, не веря, что ИИ может воссоздать культовый опыт PAC-MAN без игрового движка», — сказал Коитиро Цуцуми из BANDAI NAMCO Research Inc., исследовательской компании издателя игры BANDAI NAMCO Entertainment. Inc., которая предоставила данные PAC-MAN для обучения GameGAN. «Это исследование предоставляет захватывающие возможности помочь разработчикам игр ускорить творческий процесс разработки новых макетов уровней, персонажей и даже игр».

Позже в этом году мы представим нашу дань уважения игре с искусственным интеллектом на AI Playground, где любой желающий может лично ознакомиться с нашими исследовательскими демоверсиями.

ИИ переходит в старую школу

Энтузиасты PAC-MAN когда-то должны были нести свои монеты в ближайшую аркаду, чтобы сыграть в классическую погоню по лабиринту.Поверните налево у автомата для игры в пинбол и продолжайте движение прямо мимо аэрохоккея, следуя безошибочно узнаваемому саундтреку PAC-MAN, пожирающего точки и избегающего призраков Инки, Пинки, Блинки и Клайда.

Только в 1981 году американцы вложили миллиарды четвертаков, чтобы сыграть 75 000 часов в монетоприемные игры, такие как PAC-MAN. За прошедшие десятилетия хитовая игра имела версии для ПК, игровых консолей и мобильных телефонов.

Версия GameGAN использует нейронные сети вместо традиционного игрового движка для создания среды PAC-MAN. ИИ отслеживает виртуальный мир, запоминая то, что уже было создано, чтобы поддерживать визуальную согласованность от кадра к кадру.

Независимо от игры, GAN может изучить ее правила, просто просматривая записи экрана и нажатия клавиш агентом из прошлого игрового процесса. Разработчики игр могли бы использовать такой инструмент для автоматического проектирования новых макетов уровней для существующих игр, используя сценарии исходных уровней в качестве обучающих данных.

Используя данные BANDAI NAMCO Research, Ким и его сотрудники из Исследовательской лаборатории ИИ NVIDIA в Торонто использовали системы NVIDIA DGX для обучения нейронных сетей на эпизодах PAC-MAN (всего несколько миллионов кадров) в сочетании с данными о нажатиях клавиш агент ИИ, играющий в игру.

Обученная модель GameGAN затем генерирует статические элементы окружающей среды, такие как постоянная форма лабиринта, точки и энергетические гранулы, а также движущиеся элементы, такие как вражеские призраки и сам PAC-MAN.

Он изучает ключевые правила игры, как простые, так и сложные. Как и в оригинальной игре, PAC-MAN не может проходить сквозь стены лабиринта. Он съедает точки во время движения, а когда он поглощает силовую таблетку, призраки становятся синими и убегают. Когда PAC-MAN выходит из лабиринта с одной стороны, он телепортируется на противоположный конец. Если он сталкивается с призраком, экран мигает, и игра заканчивается.

Поскольку модель может отделять фон от движущихся персонажей, можно переделать игру так, чтобы она проходила в лабиринте из живой изгороди под открытым небом, или заменить PAC-MAN на ваши любимые смайлики. Разработчики могли бы использовать эту возможность, чтобы экспериментировать с новыми идеями персонажей или игровыми темами.

Дело не только в играх

Автономных роботов обычно обучают на симуляторе, где ИИ может изучить правила среды, прежде чем взаимодействовать с объектами в реальном мире. Создание симулятора — трудоемкий процесс для разработчиков, которые должны запрограммировать правила о том, как объекты взаимодействуют друг с другом и как работает свет в окружающей среде.

Симуляторы используются для разработки автономных машин всех видов, таких как складские роботы, которые учатся захватывать и перемещать предметы, или роботы-доставщики, которые должны перемещаться по тротуарам, чтобы перевозить еду или лекарства.

GameGAN представляет возможность того, что работа по написанию симулятора для подобных задач однажды может быть заменена простым обучением нейронной сети.

Предположим, вы устанавливаете камеру на автомобиль. Он может записывать, как выглядит дорожная обстановка или что делает водитель, например, поворачивает руль или нажимает на педаль газа. Эти данные можно использовать для обучения модели глубокого обучения, которая может предсказать, что произойдет в реальном мире, если водитель-человек или автономный автомобиль предпримет действие, например, нажмет на тормоза.

«Со временем у нас может появиться ИИ, который сможет научиться имитировать правила вождения и законы физики, просто просматривая видео и наблюдая, как агенты действуют в окружающей среде», — сказала Санджа Фидлер, директор исследовательской лаборатории NVIDIA в Торонто. «GameGAN — первый шаг к этому».

В NVIDIA Research работает более 200 ученых по всему миру, занимающихся такими областями, как искусственный интеллект, компьютерное зрение, беспилотные автомобили, робототехника и графика.

Авторами GameGAN являются Фидлер, Ким, исследователь NVIDIA Джона Филион, студент Университета Торонто Юхао Чжоу и профессор Массачусетского технологического института Антонио Торральба.Статья будет представлена ​​на престижной конференции по компьютерному зрению и распознаванию образов в июне.

ПАК-МАН ТМ & ©BANDAI NAMCO Entertainment Inc.