لقد كان إنشاء مشهد اللعبة دائمًا تحديًا كبيرًا في مجال تطوير اللعبة. إن كيفية اختراق قيود السيناريوهات الحالية وإنشاء عالم ألعاب أكثر تنوعًا وابتكارًا هو الاتجاه الذي يواصل المطورون استكشافه. في الآونة الأخيرة، تعاونت جامعة هونغ كونغ مع شركة Kuaishou Technology لتطوير إطار عمل مبتكر يسمى GameFactory، والذي يقدم فكرة جديدة لحل هذه المشكلة. يستخدم هذا الإطار تقنية نموذج نشر الفيديو المتقدمة، جنبًا إلى جنب مع استراتيجية تدريب فريدة من ثلاث مراحل، لإنشاء مشاهد ألعاب جديدة ومتنوعة، مما يحسن بشكل كبير من الكفاءة والإبداع في إنشاء فيديو اللعبة.
في مجال تطوير الألعاب، كان تنوع السيناريوهات وابتكارها دائمًا مشكلة صعبة. في الآونة الأخيرة، قامت جامعة هونغ كونغ بالتعاون مع شركة Kuaishou Technology بتطوير إطار عمل مبتكر يسمى GameFactory، يهدف إلى حل مشكلة تعميم المشهد في إنشاء فيديو الألعاب. يستفيد إطار العمل هذا من نماذج نشر الفيديو المدربة مسبقًا والتي يمكن تدريبها على بيانات الفيديو ذات المجال المفتوح لإنشاء سيناريوهات ألعاب جديدة ومتنوعة.
باعتباره تقنية جيل متقدمة، أظهر نموذج نشر الفيديو إمكانات كبيرة في مجالات توليد الفيديو والمحاكاة الفيزيائية في السنوات الأخيرة. يمكن لهذه النماذج الاستجابة لإدخالات المستخدم، مثل لوحة المفاتيح والماوس، تمامًا مثل أدوات إنشاء الفيديو، ثم إنشاء مشاهد اللعبة المقابلة. ومع ذلك، فإن تعميم المشهد، الذي يشير إلى القدرة على إنشاء سيناريوهات لعبة جديدة تمامًا تتجاوز السيناريوهات الموجودة، يظل يمثل تحديًا كبيرًا في هذا المجال. على الرغم من أن جمع كمية كبيرة من مجموعات بيانات الفيديو المشروحة بالإجراء يعد طريقة مباشرة لحل هذه المشكلة، إلا أن هذه الطريقة تستغرق وقتًا طويلاً وتتطلب عمالة مكثفة، وهي غير عملية بشكل خاص في سيناريوهات المجال المفتوح.
تم إطلاق إطار عمل GameFactory لحل هذه المشكلة. ومن خلال نماذج نشر الفيديو المدربة مسبقًا، تستطيع GameFactory تجنب الاعتماد المفرط على مجموعات بيانات محددة للعبة ودعم إنشاء سيناريوهات ألعاب متنوعة. بالإضافة إلى ذلك، ولسد الفجوة بين المعرفة السابقة بالمجال المفتوح ومجموعات بيانات اللعبة المحدودة، تتبنى GameFactory أيضًا استراتيجية تدريب فريدة من ثلاث مراحل.
في المرحلة الأولى، يتم استخدام LoRA (التكيف ذو التصنيف المنخفض) لضبط النموذج المُدرب مسبقًا لتكييفه مع مجال اللعبة المحدد مع الاحتفاظ بالمعلمات الأصلية. المرحلة الثانية تجمد معلمات ما قبل التدريب وتركز على تدريب وحدة التحكم في الحركة لتجنب الخلط بين الأسلوب والتحكم. أخيرًا، في المرحلة الثالثة، تتم إزالة أوزان LoRA ويتم الاحتفاظ بمعلمات وحدة التحكم في الحركة، مما يسمح للنظام بإنشاء مقاطع فيديو ألعاب يتم التحكم فيها في سيناريوهات مجال مفتوح مختلفة.
قام الباحثون أيضًا بتقييم فعالية آليات التحكم المختلفة ووجدوا أن آلية الانتباه المتبادل تؤدي أداءً أفضل عند معالجة إشارات التحكم المنفصلة مثل إدخال لوحة المفاتيح، بينما كان أداء طريقة الربط أفضل عند معالجة إشارات حركة الماوس. يدعم GameFactory أيضًا التحكم في الحركة الانحدارية، مما يتيح إنشاء مقاطع فيديو تفاعلية للعب بطول غير محدود. بالإضافة إلى ذلك، أصدر فريق البحث أيضًا مجموعة بيانات فيديو توضيحية عالية الجودة GF-Minecraft للتدريب على إطار العمل وتقييمه.
الورقة: https://arxiv.org/abs/2501.08325
تسليط الضوء على:
تم تطوير إطار عمل GameFactory بشكل مشترك من قبل جامعة هونغ كونغ وشركة Kuaishou Technology لحل مشكلة تعميم المشهد في إنشاء فيديو اللعبة.
يستخدم إطار العمل نماذج نشر الفيديو المدربة مسبقًا لإنشاء سيناريوهات ألعاب متنوعة ويعتمد استراتيجية تدريب من ثلاث مراحل لتحسين التأثير.
أصدر الباحثون أيضًا مجموعة بيانات الفيديو التوضيحية للحركة GF-Minecraft لدعم تدريب وتقييم GameFactory.
لقد أدى ظهور إطار عمل GameFactory إلى توفير إمكانيات جديدة لتطوير اللعبة، كما أن إمكاناته الفعالة في إنشاء المشهد وقدرته على التكيف في المجال المفتوح ستعزز بشكل كبير تطوير صناعة الألعاب وتمنح اللاعبين تجربة لعب أكثر تنوعًا. في المستقبل، نتوقع أن يتم تحسين إطار عمل GameFactory بشكل أكبر لتوفير أدوات أكثر قوة لمطوري الألعاب.