ИИ научили в реальном времени генерировать матчи с несколькими игроками

Авторы взяли не просто видео игры, а длинные записи матчей Rocket League, где сразу несколько игроков одновременно влияют на происходящее. Идея была в том, чтобы научить модель не путать, кто именно сделал какое действие, и чтобы она не «сыпалась», когда игроки начинают действовать в разных комбинациях. Для этого модель училась на потоках действий нескольких игроков сразу, а не только одного героя на фоне остальных.

Сам подход здесь интересный ещё и потому, что раньше world model — то есть модель мира, которая пытается продолжать сцену вперёд — чаще строили для одиночного игрока. В таком случае других участников можно было считать частью фона. Но в командной или соревновательной игре это уже не работает: если один игрок ударил мяч, второй поехал на перехват, а третий перекрыл ворота, всё связано между собой. Поэтому авторы проверяли именно многопользовательский вариант и отдельно разбирали, какие решения в нём важнее: как кодировать видео, какую цель обучения выбрать и как подавать действия игроков.

Ещё один важный результат — модель оказалась не только быстрой, но и surprisingly устойчивой во времени. Хотя её учили на коротких фрагментах, при прогоне вперёд она сохраняла качество до пяти минут, то есть дольше, чем тот горизонт, на котором её проверяли подробно. Авторы пишут, что на практике видели и гораздо более длинные прогоны без явного развала сцены. Плюс они не ограничились красивыми картинками: сделали тесты, которые проверяют именно понимание физики и взаимодействий, а не только то, насколько кадр выглядит правдоподобно.