谷歌新作：Unbounded开放世界RPG，AI定义无限游戏新纪元
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。
适用场景
- 娱乐与休闲：Unbounded提供了一个无限探索和互动的游戏环境，玩家可以在这个开放世界中体验无尽的冒险和故事，作为一种放松和娱乐的方式 。
- 教育与学习：游戏可以被用作教育工具，通过模拟不同的生活场景和决策，帮助玩家学习后果推理和问题解决。这种互动式学习方式能够提高学习者的参与度和理解能力 。
- 创意写作与叙事：Unbounded游戏的开放叙事空间为作家和内容创作者提供了一个激发创意的平台，他们可以利用这个游戏构建复杂的故事线和角色发展 。
- 心理治疗与辅导：在安全的游戏环境中模拟现实生活中的挑战，Unbounded可以作为心理治疗的工具，帮助个体在模拟环境中表达情感和释放压力 。
- 社交互动：玩家可以与朋友一起探索Unbounded的游戏世界，共同创造故事和回忆，这有助于增强社交联系和团队合作能力 。
综上所述，MeoAI觉得Unbounded游戏在实验中展现了其在角色和环境一致性、实时交互以及视觉生成方面的先进技术，为玩家提供了一个无限、开放的游戏世界。
原文地址：https://blog.csdn.net/qq_26303031/article/details/143802481
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！