当前位置：首页 > article >正文

谷歌新作：Unbounded开放世界RPG，AI定义无限游戏新纪元

article 2024/11/18 7:10:53

在开放世界和角色扮演游戏的领域里，玩家们总是渴望着那种无拘无束的自由体验。他们梦想着一个没有空气墙阻隔，没有剧情杀限制，没有任何交互限制的游戏世界。现在，这个梦想可能即将成真。谷歌联合北卡罗来纳大学教堂山分校推出的Unbounded游戏，借助大型语言模型和视觉生成模型的力量，为玩家展示了一个无限自由的游戏世界。

无限游戏的概念，如同一场梦境，它突破了传统游戏的界限，将玩家带入了一个无边界、无限制的虚拟世界。在这里，玩家可以自由地探索、互动，甚至定义自己的游戏规则。谷歌和北卡罗来纳大学教堂山分校的最新研究——Unbounded，正是这样一款游戏，它不仅实现了这一愿景，还展示了AI在游戏设计中的无限潜力。

Unbounded：无限游戏的实现

Unbounded是一款由AI驱动的角色生活模拟游戏，它的核心在于生成式模型的应用。这款游戏的设计理念源自James P. Carse的著作《有限与无限的游戏》，其中提出了有限游戏和无限游戏的概念。在Carse的定义中，有限游戏是以获胜为目的，有明确的规则和终点；而无限游戏则是以延续游戏为目的，没有固定的边界和规则，它们会随着游戏的进行而不断演变。

Unbounded正是这样一款无限游戏。它不受传统视频游戏的限制，如编程和图形设计的限制。在Unbounded中，所有的游戏机制都是通过大型语言模型（LLM）动态生成的，这些机制包括游戏环境、角色互动、故事线等，它们都是实时生成的，为玩家提供了一个不断变化和发展的游戏世界。

Unbounded游戏打破了传统视频游戏的限制，所有的游戏机制都是通过大型语言模型（LLM）动态生成的。这些机制包括游戏环境、角色互动、故事线等，它们都是实时生成的，为玩家提供了一个不断变化和发展的游戏世界。

Unbounded的游戏机制围绕角色模拟和开放式交互。玩家可以将自己的角色插入游戏，定义角色的外观和个性。游戏会生成一个世界，这些角色可以在其中探索环境、与物体互动并进行对话。游戏会根据玩家的行为和选择生成新的场景、故事和挑战，从而创造个性化和无限的游戏体验。

Unbounded的项目地址

Unbounded AI项目使用指南：
arXiv技术论文

Unbounded的功能特色

Unbounded具有以下几大功能特色：

角色个性化：玩家可以将自己的角色插入游戏，定义自己的外观和个性。
游戏环境生成：Unbounded会生成一个持久的世界，让角色可以探索和互动。
开放式互动：玩家可以使用自然语言指令与角色互动，并且没有预定义的规则来限制互动。
实时生成：该团队强调了游戏速度的重要性，与初级实现相比，实际游戏实现了5-10倍的加速，每个新场景的延迟约为一秒。

为了实现这一点，MeoAI了解到Unbounded在语言模型和视觉生成方面都做出了技术创新。例如，它使用了潜在一致性模型（LCM）来实现实时文本到图像（T2I）的生成，这对于提供接近一秒刷新率的交互式游戏体验至关重要。此外，Unbounded还引入了一种新颖的区域IP适配器，它能够在预定义环境中根据文本提示一致地植入角色，同时保持角色和环境的一致性。

关键技术

大型语言模型（LLM）：Unbounded使用了一个专门化、经过蒸馏的大型语言模型来实时动态生成游戏机制、叙事和角色互动。这个LLM能够根据玩家的自然语言指令来引导游戏的进展和故事的发展。
视觉生成模型：游戏中引入了一种新的动态区域图像提示适配器（IP-Adapter），这个适配器确保了在多个不同的环境中能够保持角色的视觉一致性，使得角色的外观和个性在游戏的不同场景中得以连贯呈现。
潜在一致性模型（LCM）：Unbounded利用潜在一致性模型（LCM）来实现实时文本到图像（T2I）的生成。LCM能够快速生成高分辨率的图像，只需两个扩散步骤，这对于提供接近一秒刷新率的交互式游戏体验非常关键。
区域IP-Adapter与块丢弃：为了在预定义的环境中根据文本提示一致地植入角色，Unbounded采用了基于动态掩码和注意力机制的方法来分离角色和环境的条件。这种方法防止了它们之间的干扰，确保了角色和环境的一致性。块丢弃技术进一步改善了环境和角色的一致性，同时文本提示和生成的图像之间的对齐也得到了提升。
多LLM协作：Unbounded构建了一个包含两个LLM智能体的角色生活模拟游戏。一个智能体作为世界模拟模型，负责设置游戏环境、生成叙事和图像描述、跟踪角色状态并模拟角色行为；另一个智能体作为用户模型，模拟玩家与世界模拟模型的交互。这种协作机制允许游戏根据玩家的行为和选择动态生成新的场景、故事和挑战。

这些技术原理共同构成了Unbounded游戏的基础，使其成为一个真正无限、开放的游戏世界，玩家的想象力和创造力将不再受到限制。这款游戏的开发不仅为游戏行业带来了新的可能性，也为AI技术的应用开辟了新的领域。

实验结果

实验结果表明了该游戏在多个方面的卓越性能。以下是实验的详细结果：

数据集构建：研究团队使用GPT-4o收集了一个由5,000个（角色图像、环境描述、文本提示）三元组组成的评估数据集，涵盖了5个角色（狗、猫、熊猫、女巫和巫师）、100个不同的环境和1,000个文本提示（每个环境10个）。
环境和角色一致性：实验中，研究者比较了带有块丢失的区域IP适配器与之前方法的性能。结果显示，Unbounded在保持环境一致性和角色一致性方面优于以前的方法，同时在保持语义对齐方面也达到了可比的性能。在角色一致性方面，Unbounded在CLIP-I^C中显著超过StoryDiffusion，在DreamSim^C中超过StoryDiffusion 0.057。在环境一致性方面，Unbounded也优于其他方法。
定性比较：通过与其他方法的定性比较，区域IP适配器采用块丢失技术，始终能够生成具有一致性的图像，而其他方法可能无法包含角色或生成外观不一致的角色。此外，研究还表明，Unbounded方法能够很好地平衡环境一致性和角色一致性，而其他方法可能会生成与条件环境不同的环境。
动态区域IP适配器的有效性：实验证明，带有块丢失的区域IP适配器对于按照文本提示将角色放置在环境中至关重要。添加块丢失可同时改善环境和角色的一致性，CLIP-I^E中增加了0.291，CLIP-I^C中增加了0.264，同时文本提示和生成的图像之间的对齐效果更好。区域IP适配器增强了角色一致性和文本对齐效果，同时保持了环境一致性的可比性能。
蒸馏专业化LLM的有效性：实验表明，该团队的多样化用户-模拟器交互数据可以有效地将Gemma-2B蒸馏成功能强大的游戏引擎。与该团队蒸馏得到的模型相比，在进行零样本推理时，小型LLM（即Gemma-2B、Llama3.2-3B）或稍大一些的LLM（即Gemma-7B）的表现会差一些，这说明针对游戏世界和角色动作模拟任务而蒸馏更强大的LLM是有效的。此外，从结果数据上看，这个蒸馏版模型的表现与GPT-4o相当，这也足以说明该方法的有效性。该团队还研究了蒸馏数据规模对性能的影响，使用更大的数据集在各个方面都更优。