NitroGen - NVIDIAがスタンフォード大学などと共同で開発した汎用ゲームAIモデル。

NitroGenとは何ですか？

NitroGenは、NVIDIAがスタンフォード大学、カリフォルニア工科大学、その他の研究機関と共同開発した、オープンソースの汎用ゲームAIモデルです。1,000種類以上のゲームを網羅した40,000時間分のビデオデータで学習されており、大規模な行動クローニング手法を採用しています。このモデルは、ゲームのビデオフレームを入力として受け取り、コントローラーの入力信号を出力するため、様々なゲームタイプに対応できます。未知のゲームにおいて、NitroGenはゼロから学習させたモデルと比較して、タスク成功率を52%向上させました。

NitroGenの主な機能

• マルチゲーム対応ロールプレイング、プラットフォームゲーム、バトルロイヤル、レースゲームなど、さまざまなジャンルの1,000種類以上のゲームをプレイでき、2Dゲームと3Dゲームの両方に対応しています。
• 入力/出力ゲームのビデオフレームを直接入力として使用し、リアルなゲームパッド操作信号を出力するため、ゲームパッドをサポートするすべてのゲームに自然に適応します。
• トレーニング後の能力新しいゲームに挑戦する際、ルールを一から覚える必要はありません。ちょっとした調整や簡単な変更を加えるだけで、すぐにプレイを開始でき、様々なゲームに応用できる可能性を秘めています。
• パフォーマンス手続き的に生成されたゲーム世界や、これまで遭遇したことのない新しいゲームにおいて、タスクの成功率は、ゼロから学習させたモデルと比較して52%の相対的な改善を達成した。
• オープンソースの共有事前学習済みモデルの重み、完全なアクションデータセット、および関連コードを含む研究成果は、開発者によるさらなる研究開発を促進するために一般公開されています。

NitroGenの技術原理

• ビデオフレームベースの入出力NitroGenは、ゲームのビデオフレームを入力として受け取り、ゲーム画面を分析してゲームの状態を把握し、実際のゲームパッド操作信号を出力します。このエンドツーエンドの処理方式により、ゲームパッドに対応した様々なゲームに直接適用することが可能です。
• 大規模な行動クローン作成訓練このモデルは、ゲーム配信者による4万時間以上のゲームプレイ動画（1,000種類以上のゲームを網羅）を用いて学習されました。人間のプレイヤーの行動を模倣することで、モデルは様々なゲームタイプのゲームプレイと戦略を学習します。
• トレーニング後の機能と微調整機能NitroGenはトレーニング後の学習をサポートしているため、新しいゲームに挑戦する際に、ルールを一から学ぶ必要はありません。わずかな調整や簡単な適応を行うだけで、すぐにプレイを開始でき、様々なゲームに応用できる可能性を秘めています。
• 基盤となるアーキテクチャの変革その基盤となるアーキテクチャはGROOT N1.5であり、これは元々ロボット工学向けに設計され、ゲーム業界向けに改良されたものです。このアーキテクチャの柔軟性と拡張性により、モデルのマルチゲーム対応性と汎用性が実現されています。
• マルチタスク学習と汎化NitroGenはマルチタスク学習を通して学習し、異なるゲーム間で知識やスキルを応用することで、新しいゲームにも素早く適応し、優れたパフォーマンスを発揮します。

NitroGenのプロジェクトアドレス

• プロジェクト公式サイト：https://nitrogen.minedojo.org
• GitHubリポジトリ：https://github.com/MineDojo/NitroGen
• ハギングフェイスモデルライブラリ：https://huggingface.co/nvidia/NitroGen
• 紙の住所：https://nitrogen.minedojo.org/assets/documents/nitrogen.pdf
• HuggingFaceデータセット：https://huggingface.co/datasets/nvidia/NitroGen

NitroGenの応用例

• ゲーム開発とテストAIを活用することで、ゲーム開発者は新しいゲームのゲームプレイやメカニズムを迅速にテストでき、プレイヤーの行動をシミュレートし、潜在的な問題を事前に特定し、ゲーム体験を最適化することができます。
• ゲームコンテンツ制作AIが生成したゲームプレイと操作方法を用いて、ゲームガイド、チュートリアル、エンターテイメント動画などの制作を支援することで、ゲームコンテンツ制作者にインスピレーションと素材を提供する。
• 選手支援とトレーニングプレイヤー向けの補助ツールとして、操作方法の提案やデモンストレーションを提供することで、プレイヤーのゲームスキル向上を支援し、特に初心者プレイヤーが複雑なゲームを素早く始めるのに適しています。
• ゲーム研究と分析これは、ゲーム行動研究において、様々なゲームにおけるプレイヤーの操作パターンや意思決定プロセスを分析するために使用され、ゲームデザインやユーザーエクスペリエンス研究のためのデータ支援を提供する。
• ゲーム間一般化に関する研究汎用人工知能およびゲーム横断的な汎化能力の研究プラットフォームとして、様々なゲーム環境におけるAIの適応性および汎化能力に関する研究を促進する。
• 教育と訓練教育分野では、AIを用いて現実世界のシナリオをシミュレートすることで、学習成果や訓練効率を向上させるための教育ゲームやシミュレーション訓練環境の開発に利用されている。