谷歌研发实时游戏模拟引擎 GameNGen，以超 20 帧每秒速度模拟经典游戏

游戏开发历来依赖人工编写代码，这种方式需要通过反复编码来应对用户操作和更新游戏状态，这不仅耗时费力，而且费用高昂，这无疑给开发者带来了不小的困扰。然而，谷歌的研究团队研发的GameNGen或许能颠覆这一现状。

GameNGen的概述

谷歌研究人员利用StableDiffusion1.4技术，成功打造了GameNGen。这款引擎非凡，能在单个TPU上实现超过20帧每秒的交互式模拟，对《DOOM》的还原度极高。人类在评估时，往往难以区分其模拟游戏与真实游戏。原因在于，它不仅仅是对视觉的简单复制。比如，在游戏中，它能精确计算玩家的生命值等众多状态。这使得模拟游戏显得非常逼真。此外，其高质量的模拟背后，还蕴含着复杂的设计逻辑和内部状态更新。

我们继续探讨GameNGen的内部机制。首先，它会对智能体进行训练，使其模拟人类玩家的行为，并与游戏环境互动，从而产生动作并收集观察数据。这些数据对于后续过程至关重要。以实际游戏开发为例，在制作角色扮演游戏时，这种模拟人类行为的数据可以为后续步骤奠定基础。这些数据被用于训练生成模型，使其能够根据玩家的输入和游戏状态预测下一帧。此外，研究人员还进行了一些小设计，比如每个动作使用4帧，这有助于提高模拟的流畅度。

模型选择与调整

研究人员选定了StableDiffusionv1.4作为训练的基础模型。理由是这个模型在游戏模拟方面具有诸多优势。然而，为了满足游戏模拟的复杂需求，还需对其进行调整。这个过程并不简单。在多次实验中，研究人员发现，将过去的帧编码到潜在空间并与噪声结合以生成新帧，这一编码与预测过程至关重要。这一操作直接关系到能否实时生成高质量的游戏画面。具体数据表明，许多失败的模拟正是在这一环节出现了问题。

训练过程中，样本质量下降的问题依然存在。这个问题会大大影响游戏画面的质量。试想，如果游戏画面质量突然出现大幅波动，玩家肯定是无法接受的。

噪声增强技术的引入

样本质量迅速下滑的问题，研究人员灵机一动，提出使用“噪声增强”技术。这项技术主要是在训练阶段向编码帧中加入不同程度的高斯噪声，并在模型输入时考虑噪声的级别。这就像给一个混乱的系统加入了一个调节器。在测试一些小型冒险游戏模拟时，我们发现，有了这个调节器，模型在推理过程中能纠正之前帧的错误信息。这样一来，就能确保长时间轨迹的稳定性，保证画面的流畅性和质量。从试验游戏来看，长时间内画面的过渡显得非常自然。

GameNGen的局限

GameNGen的表现确实不错，不过也存在技术上的不足。这种问题在新技术开发中是普遍现象。目前来看，它在模拟某些难度高、复杂度大的游戏类型时，还不够理想。比如那些拥有广阔地图和复杂物品交互的沙盒游戏，模拟的准确性可能会受到影响。不过，开发团队正在努力解决这些问题。同时，我们也应看到它的积极之处。

GameNGen在游戏开发中的实际帮助

游戏开发多个领域，GameNGen贡献颇多。比如在关卡设计上，以往开发者需逐个编写元素代码，耗时费力。但GameNGen能依据训练数据，自动生成逼真的地形、建筑和道具等场景。以中世纪城堡为主题关卡为例，它能迅速构建出满是城墙、塔楼及众多道具的复杂场景。至于游戏测试，GameNGen同样能发挥作用。它能根据玩家的喜好调整游戏内容和难度。若玩家偏爱射击游戏中的躲猫猫策略，GameNGen便会让游戏场景更加多变和复杂，提升游戏的趣味性和挑战性。

你对GameNGen能否彻底替代传统游戏开发方式有看法吗？不妨在评论区交流讨论，同时也欢迎点赞支持。

内容来自网络，如有侵权，联系删除。