Google Research 的科学家最近发表了一篇论文，介绍了 GameNGen，这是一种 AI 驱动的游戏引擎，它使用神经网络生成原始的《毁灭战士》游戏玩法。GameNGen 利用由科学家 Dani Valevski、Yaniv Leviathan、Moab Arar 和 Shlomi Fruchter 开发的前沿技术 Stable Diffusion。这个基于 AI 的引擎利用前一帧和当前玩家输入来生成新的帧，这些帧展示了卓越的视觉保真度和连贯性。 GameNGen 的一个显著成就是它能够生成具有一致逻辑的完整游戏引擎。玩家可以体验到《毁灭战士》的玩法，比如转向、侧移、武器射击以及准确的敌人伤害和环境危害。随着玩家探索游戏，关卡会实时动态构建，游戏甚至会跟踪他们手枪的弹药量。令人惊讶的是，生成的游戏玩法如此真实，以至于在短片中难以将其与实际《毁灭战士》游戏区分开来。游戏以每秒 20 帧（FPS）的流畅速度运行。 为了让 GameNGen 能够准确地模拟其自己的《毁灭战士》关卡，Google 的团队训练了一个 AI 代理以不同难度玩《毁灭战士》并模拟不同玩家的技能等级。代理因收集强化道具和完成关卡等动作而获得奖励，而受到伤害或死亡则会受到惩罚。这一训练过程提供了数百小时的视觉训练数据，供 GameNGen 模型参考和重现。 本研究的一个关键创新在于科学家如何使用 Stable Diffusion 保持长时间帧之间的一致性。Stable Diffusion 是一种广泛使用的生成性 AI 模型，它根据图像或文本提示生成图像。然而，它经常缺乏连续帧之间的连贯性，随着时间的推移视觉质量会下降，就像在 Corridor 的动画短片《石头剪刀布》中演示的那样。 为了应对这些挑战，Google Research 通过使用较长的用户输入序列和前面的帧来训练新帧，同时引入高斯噪声来破坏上下文帧，从而改进了 Stable Diffusion。此外，一个单独但互相关联的神经网络被用来修复和不断自我修正上下文帧，从而在长时间内生成具有高稳定性和视觉连贯性的图像。 尽管 GameNGen 当前的示例并不完美，但偶尔会出现视觉伪影，例如斑点、模糊和闪烁元素。死去的敌人可能会变成模糊的团块，HUD 上的 Doomguy 角色会像 The Rock 在 Monday Night Raw 中一样不断抬起和放下眉毛。此外，生成的关卡可能会出现不一致，如嵌入的 YouTube 视频所示，Doomguy 在 4% 时突然停止受到伤害，并且在毒坑内 360 度转弯后关卡布局完全改变。