Un Modello AI Prova a Ricreare Super Mario Bros attraverso Video Generati | | | | Turtles AI

Nel nostro recente approfondimento sulle potenzialità della generazione di videogiochi basata su AI, abbiamo esplorato il modello AI GameNGen di Google che è riuscito a creare una versione giocabile di Doom. Ora, un nuovo modello chiamato MarioVGG, sviluppato dai ricercatori della società di AI Virtuals Protocol, tenta di replicare il gameplay di Super Mario Bros. attraverso video generati da AI. I risultati, seppur ancora lontani dalla perfezione, aprono nuove strade per il futuro dei videogiochi.

Punti chiave:

• AI per la generazione di videogiochi: MarioVGG tenta di creare video di gameplay di Super Mario Bros. basandosi su dati di input e immagini di gioco, imitando la fisica e le dinamiche del gioco.
• Tecniche e limiti: Il modello, che utilizza convoluzione e denoising, presenta ancora molti glitch e una velocità di elaborazione troppo lenta per il gameplay in tempo reale.
• Addestramento del modello: MarioVGG è stato addestrato su oltre 737.000 fotogrammi di gioco, con un focus limitato su due input principali: "corri a destra" e "corri e salta".
• Prospettive future: Nonostante i limiti attuali, il modello rappresenta un passo verso la creazione di generatori di videogiochi affidabili e controllabili, con possibili applicazioni future nello sviluppo di giochi.

MarioVGG è un modello di AI progettato per generare video di gameplay di Super Mario Bros., basandosi su dati di input e sequenze video preesistenti. A differenza di altri tentativi precedenti, come il già citato AI GameNGen di Google di cui abbiamo scritto un approfondimento in un nostro precedente articolo, MarioVGG si concentra sulla simulazione di un titolo specifico, cercando di replicarne la fisica e le dinamiche di gioco. Per addestrare il modello, i ricercatori hanno utilizzato un set di dati pubblici contenente 280 livelli di Super Mario Bros., con oltre 737.000 singoli frame di gioco. Questi frame sono stati preelaborati in blocchi di 35 per permettere al modello di apprendere gli effetti degli input, concentrandosi su due azioni principali: correre a destra e saltare mentre si corre. Nonostante questa semplificazione, il sistema ha incontrato notevoli difficoltà, soprattutto nella gestione di input complessi come i salti con aggiustamenti a mezz’aria, che sono stati scartati per evitare rumore nei dati di addestramento. Dopo circa 48 ore di training su una singola scheda grafica RTX 4090, i ricercatori hanno utilizzato un processo di convoluzione e denoising per generare nuovi frame video partendo da un’immagine di gioco statica e da un input testuale. Le sequenze generate sono brevi, ma l’ultimo frame di ogni sequenza può essere utilizzato come punto di partenza per una nuova, permettendo così la creazione di video di gameplay di durata potenzialmente illimitata. Tuttavia, la qualità visiva rimane limitata, con i frame di output ridimensionati a una risoluzione di 64×48 pixel, molto inferiore alla risoluzione originale del NES. Inoltre, il modello è ancora lontano dal generare video in tempo reale: una singola RTX 4090 impiega sei secondi per creare una sequenza di sei frame, che rappresentano poco più di mezzo secondo di video, rendendo impraticabile l’uso del modello per videogiochi interattivi. Nonostante questi limiti, MarioVGG ha dimostrato di essere in grado di apprendere la fisica del gioco dai dati di addestramento, simulando comportamenti come la caduta di Mario quando corre da un dirupo o l’arresto del movimento in presenza di ostacoli. Tuttavia, il modello non è privo di errori: in alcuni casi, MarioVGG ha ignorato i prompt dell’utente, generando glitch visivi o comportamenti assurdi, come la trasformazione di Mario in un Cheep-Cheep durante un salto. I ricercatori suggeriscono che un allenamento più lungo su dati più diversificati potrebbe migliorare la capacità del modello di simulare il gameplay in modo più accurato.

Nonostante le sue limitazioni, MarioVGG rappresenta un passo interessante verso la creazione di modelli AI capaci di generare videogiochi in modo autonomo, un campo che potrebbe rivoluzionare lo sviluppo dei giochi in futuro.