المشكلات الثلاث التي لم يحلها أي محرك ألعاب ذكاء اصطناعي حتى الآن: الاتساق، قابلية التنقل، والتقييم

التنقل عبر مشاهد متعددة، إكمال هدف في غرفة، عبور بوابة إلى التالية، هو العمود الفقري لألعاب الزنازين، وغرف الهروب، وألعاب تقمص الأدوار. لكن تأليف هذه المساحات المتصلة يدويًا هو أحد أكثر الأجزاء كثافة في العمل في إنتاج الألعاب ثلاثية الأبعاد. يجب أن تتطابق نقاط نهاية البوابة على كلا الجانبين، ويجب ألا يمنع الأثاث المداخل، ويجب أن يشير كل سكريبت انتقال إلى المشهد الوجهة الصحيح عبر عشرات الملفات.

القطع الثلاث المفقودة

الأنظمة الحديثة المعتمدة على نماذج اللغة الكبيرة مثل Holodeck وScenethesis جعلت توليد الديكورات الداخلية الفردية أرخص بشكل كبير، لكنها تنتج مشهدًا واحدًا في كل مرة. تكرارها بسذاجة لمشاهد متعددة يكشف عن ثلاث عقبات لم تحلها أي طريقة سابقة.

الاتساق. الانتقال هو كائن مشترك: البوابة صالحة فقط إذا كانت موجودة على كلا الجانبين بنوع وتأثير متطابقين. تحت التوجيه عديم الحالة لمشهد واحد، يميل نموذج اللغة الكبير إلى إسقاط أو تخيل مراجع عبر المشاهد مع نمو السياق.

قابلية التنقل. حتى لو تم تسمية البوابات بشكل صحيح على كلا الجانبين، قد تسد أريكة أو طاولة المدخل بمجرد وضع الأثاث. لم يتحقق أي مقياس لمشهد واحد من هذا مطلقًا.

التقييم. تقيس مقاييس النص إلى ثلاثي الأبعاد الحالية الدقة البصرية أو محاذاة التوجيه لديكور داخلي واحد. إنها لا تنفذ انتقالًا مطلقًا، لذا فإن البوابة ذات الارتباط الخاطئ أو السكريبت المكسور يكون غير مرئيًا لها.

كيف يعمل MAGIC

النظام، الذي يعني اسمه مولد عوالم ألعاب متعددة المشاهد آليًا بالاتصال الذكي، هو خط أنابيب من أربع مراحل. تستخدم مرحلة التخطيط نموذج لغة كبيرًا لتحليل موجه واحد إلى أوصاف لكل مشهد وتمثيل وسيط مشترك واعٍ بالانتقالات، وهو رسم بياني حيث المشاهد هي العقد والبوابات هي الحواف المسمى بتأثيرات مثل FadeInOut أو IrisWipe. تضمن حلقة تحقق ظهور كل بوابة مطلوبة في الأوصاف.

توسع مرحلة تحديد المشهد كل مشهد مع وضع الأجسام، ثم تشغل خوارزمية ملء الفيضان على شبكة إشغال ثنائية الأبعاد لرفض التخطيطات حيث تكون أي بوابة مسدودة فعليًا. إذا سد الأثاث مدخلًا، تعيد وحدة التموضع التوليد حتى تصل درجة الاتصال إلى 1.0 أو يتم الوصول إلى الحد الأقصى لإعادة المحاولة.

في مرحلة توليد المشهد، يتم تجميع الشبكات وربط سكريبتات انتقال LevelLoader بمصادمات البوابة. تقوم مرحلة الدمج بربط مشاريع Unity لكل مشهد في ملف واحد قابل للتنفيذ حيث تشير المشاهد إلى بعضها البعض عبر السكريبتات الصادرة.

معيار يتجاوز المرئيات

لأنه لا يوجد مقياس حالي يتحقق من انتقالات متعددة المشاهد، بنى الفريق معيارًا من 100 حالة اختبار مستمدة من مجموعتي بيانات MIT Indoor 67 وMMIS، تغطي رسومًا بيانية للمشاهد من واحد إلى خمسة مشاهد، وأنماط حلقية ومتفرعة، وأنواع بوابات مختلطة بما في ذلك الأبواب والنوافذ ولوحات الدليل. توفر كل حالة بوابات صحيحة أساسية، وحالة قابلية الوصول، وتأثيرات الانتقال المستهدفة.

بنوا أيضًا وكيل تقييم يركز على الانتقالات يعمل مباشرة على مشروع Unity المعبأ. يستخرج الوكيل مرشحي البوابة، وينفذ كل انتقال في اللعب، ويتنقل إلى كل بوابة من نقطة الظهور، ويستخدم قاضي نموذج لغة كبير متعدد الوسائط لتقييم مظهر البوابة مقابل الحقيقة الأساسية. في الاختبارات ضد الحكم البشري، حقق الوكيل فرقًا مطلقًا متوسطًا يبلغ 0.03 فقط، مما يعني أن درجاته للدقة، والاستدعاء، وF1، ومعدل الاقتراب، ومعدل تطابق البوابة كانت ضمن 3% مما كان سيبلغ عنه مقيم بشري.

بالأرقام

مرحلة بعد مرحلة، استعاد MAGIC 96.72% من متطلبات المشهد الأساسية (مقابل 92.39% لخط أساس نموذج لغة كبير عادي) و97.11% من حواف الرسم البياني للانتقالات (مقابل 90.89%). في تحديد المشهد، بلغ استدعاؤه، نسبة البوابات المطلوبة التي تم توليدها فعليًا، 94.87%، أعلى بشكل كبير من Holodeck بنسبة 60.26%. الاتصال، وهو مقياس ما إذا كانت كل خلية قابلة للمشي يمكنها الوصول إلى كل بوابة، بلغ 0.9952 مقابل 0.8545 لـ Holodeck، بينما كان الإشغال (وكيل لكثافة المشهد) متوازنًا عند 28%، ليس متناثرًا جدًا ولا مزدحمًا جدًا.

من النهاية إلى النهاية، أنتج خط الأنابيب مشاريع Unity قابلة للتنفيذ لجميع حالات الاختبار البالغ عددها 100. فشل كل مشروع تم إنشاؤه بواسطة خط أساس نموذج اللغة الكبير. كانت دقة MAGIC في تحديد الانتقال 0.987، والاستدعاء 0.948، وF1 0.964. كان معدل الاقتراب، وهو نسبة البوابات التي يمكن الوصول إليها فعليًا من نقطة بدء اللاعب، 94.86%. يعكس معدل تطابق البوابة الأدنى البالغ 78.85% صرامة قاضي نموذج اللغة الكبير متعدد الوسائط: تم إنشاء لوحة عادية كأقرب شبكة لـ "لوحة دليل"، لكن القاضي طلب دليلًا بصريًا على وظيفة الدليل.

ماذا يعني هذا لتطوير الألعاب

تشير النتائج إلى أن التمثيلات الوسيطة المنظمة مقترنة بالتحقق الواعي بالفيزياء يمكن أن تعوض عن النقاط العمياء المكانية المتأصلة في نماذج اللغة الكبيرة. التفكير المجرد والتخطيط الرياضي، خوارزمية ملء الفيضان، شبكة الإشغال، حلقات التحقق، هي الطبقة الهندسية التي تحول فهم نموذج اللغة الضبابي إلى مشروع لعبة عملي.

يستهدف MAGIC حاليًا المشاهد الداخلية ومحرك Unity، ويدعم تأثيرين انتقاليين فقط، ويقبل أوامر النص الإنجليزية حصريًا. تحد مجموعة بيانات الشبكة مظهر البوابة: عندما تفتقر أقرب شبكة متاحة إلى الدليل الدلالي الذي يشير إليه اسم البوابة، يفشل التطابق البصري حتى لو كان الانتقال يعمل بشكل صحيح. يلاحظ الباحثون أن الأداء لم يتدهور عبر النطاق المختبر من واحد إلى خمسة مشاهد، لكنهم يمتنعون عن الادعاء بقابلية التوسع بعد ذلك.

الكود الكامل متاح على GitHub. بالنسبة لمصممي الألعاب، فإن المضامين واضحة: خط أنابيب الذكاء الاصطناعي الذي يمكنه أخذ جملة واحدة وإخراج عالم متعدد الغرف قابل للعب قد عبر الخط من فضول أكاديمي إلى أداة قابلة للاستخدام. الفجوات المتبقية، مكتبات شبكات أغنى، أنواع انتقالات أكثر، دعم للمساحات الخارجية، هي وقت هندسي، وليست اختراقات بحثية.