L'éditeur de Downcodes rapporte : Récemment, des chercheurs ont développé un modèle d'IA appelé DIAMOND (Diffusion for World Modelling), capable de simuler le jeu classique « Counter-Strike : Global Offensive » (CS:GO) dans un réseau neuronal et en cours d'exécution. à 10 images par seconde sur une carte graphique Nvidia RTX 3090. Bien que la fréquence d'images ne soit pas élevée, il s'agit néanmoins d'une réussite importante dans le domaine de la simulation de l'IA, d'autant plus que ses données d'entraînement ne représentent que 87 heures d'enregistrements de jeu, ce qui ne représente que 0,5 % des données requises pour des projets similaires.
Récemment, des chercheurs ont développé un modèle d'IA appelé DIAMOND (Diffusion for World Modeling), capable de simuler le célèbre jeu informatique « Counter-Strike : Global Offensive » (CS:GO) dans un réseau neuronal.
Ce modèle fonctionne sur une carte graphique Nvidia RTX3090 et est capable d'atteindre 10 images par seconde . Bien que la fréquence d’images ne soit pas élevée, cette réalisation n’en reste pas moins impressionnante dans le domaine de la simulation d’IA.
Les données d'entraînement de DIAMOND ne représentent que 87 heures d'enregistrements de jeu CS:GO, ce qui ne représente que 0,5 % des données requises par des projets similaires tels que GameNGen. Malgré la petite quantité de données, ce modèle est toujours capable de simuler des scènes impressionnantes du jeu.
DIAMOND a d'abord démontré ses capacités sur les jeux Atari, en utilisant une approche basée sur Transformer qui traitait les mouvements du joueur comme des « marques », comme des mots dans une phrase. En prédisant ces marqueurs, le modèle peut apprendre à prédire le prochain mouvement du joueur en fonction des actions précédentes.
Le chercheur Eloi Alonso a démontré les capacités du modèle sur Twitter. Dans la vidéo, on peut voir les joueurs interagir avec l'environnement CS:GO simulé via le clavier et la souris. Les simulations incluent des éléments complexes tels que les interactions des joueurs, la mécanique des armes et la physique environnementale. Cependant, DIAMOND présente encore quelques défauts importants.
Par exemple, le joueur peut sauter à l'infini car le modèle ne prend pas en compte la gravité ou la détection de collision du moteur Source. De plus, dès que le joueur s’écarte du chemin couramment utilisé dans les données d’entraînement, la simulation s’effondre complètement.
Les chercheurs estiment qu’à mesure que la quantité de données et la puissance de calcul augmentent, les performances du modèle s’amélioreront encore. Ils pensent également qu’à l’avenir, il sera possible de développer des modèles d’IA capables de naviguer dans des environnements réels complexes.
Il convient de mentionner que la simulation CS:GO de DIAMOND s'inspire du système GameNGen développé conjointement par Google Research, Google DeepMind et l'Université de Tel Aviv. Ce système peut simuler entièrement le jeu classique DOOM à une vitesse de 20 images par seconde sur un seul Google. Puce TPU.
Pour les développeurs intéressés par l’IA, le modèle DIAMOND est désormais open source sur GitHub, et tout le monde est invité à l’explorer davantage.
Entrée du projet : https://diamond-wm.github.io/
Souligner:
- Le modèle d'IA DIAMOND développé par les chercheurs peut simuler CS:GO et fonctionner sur Nvidia RTX3090, atteignant une vitesse de 10 images par seconde.
- ? Ce modèle n'a utilisé que 87 heures de données de jeu pour l'entraînement. Bien que la quantité de données soit faible, il peut néanmoins simuler des scénarios de jeu complexes.
- ? DIAMOND présente de sérieuses limites et vulnérabilités, mais les chercheurs pensent que les performances du modèle peuvent être améliorées à l'avenir en ajoutant des données et de la puissance de calcul.
L'émergence du modèle DIAMOND a apporté de nouvelles possibilités dans le domaine des jeux de simulation d'IA et a également fourni une expérience précieuse pour le développement de modèles d'IA plus complexes à l'avenir. Même s’il subsiste quelques lacunes, son potentiel ne peut être sous-estimé. L'éditeur de Downcodes attend avec impatience le développement et l'application ultérieurs de ce modèle.