和讯名家|英伟达让GameGAN自己生成「吃豆人」，世界首创无需游戏引擎，玩了5万局游戏( 二 ) 新智元报道

由于模型可以将背景与移动中的人物分开，因此可以将游戏重新设定为在室外的绿篱迷宫中进行，或者将PAC-MAN换成你喜欢的表情符号。开发者可以利用这个功能来尝试新的角色创意或游戏主题。
游戏开发者可以利用这样的工具，利用原始关卡的剧本作为训练数据，为现有游戏自动设计新的关卡布局。
【和讯名家|英伟达让GameGAN自己生成「吃豆人」，世界首创无需游戏引擎，玩了5万局游戏】这种能力可以被游戏开发者用来自动生成新游戏关卡的布局，也可以被AI研究人员用来更方便地开发训练自主机器的模拟器系统。

文章图片

文章图片

文章图片
"当我们看到这个结果的时候，我们都被震惊了！不敢相信AI可以在没有游戏引擎的情况下重现标志性的PAC-MAN体验， "游戏发行商BANDAINAMCOEntertainmentInc.的KoichiroTsutsumi说， "我们提供了PAC-MAN的数据来训练GameGAN 。 "
这项研究为帮助游戏开发者加速开发新的关卡布局、角色甚至游戏的创意过程提供了令人兴奋的可能性。 "
源于游戏，却不囿于游戏
对开发者来说，创建模拟器是一个耗时的过程，他们必须对物体之间如何交互以及光在环境中如何工作的规则进行编码。

文章图片
模拟器被用于开发各种类型的机器人，比如仓库机器人学习如何抓取和移动物体，或者送货机器人学习如何在道路上导航以运送食物或药品。
GameGAN引入了一种可能性，那就是为这些任务编写模拟器的工作有一天可能会被简单地训练神经网络所取代。
假设你在汽车上安装了一个摄像头。它可以记录下道路环境的样子或者驾驶员在做什么，比如转动方向盘或者踩油门等。
这些数据可以用来训练一个深度学习模型，它可以预测如果人类驾驶员--或者是汽车--采取猛踩刹车等动作，在现实世界中会发生什么。
"我们最终可以通过观看视频和看到智能体在环境中的动作，就能学习模仿驾驶规则、物理定律"NVIDIA多伦多研究实验室主任SanjaFidler说。
"GameGAN是实现这一目标的第一步。 "