WorldMind: Decoupled Game World Model for State-Aware NPC Behavior
تقدم الورقة البحثية WorldMind، وهو إطار عمل منفصل يفصل نمذجة عالم اللعبة إلى طبقات الفهم، واتخاذ القرار، والتحكم، والتوليد لتمكين سلوك الشخصيات غير القابلة للعب المدركة للحالة، مدعوماً بمجموعة بيانات BOSS-140K، ويُظهر تماسكاً تكتيكياً فائقاً مقارنة بالنماذج المرجعية الحالية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في العوالم الرقمية لألعاب الفيديو، غالبًا ما يكون العالم بمثابة مسرح لرحلة لاعب واحد. ومع ذلك، فإن اللحظات الأكثر رسوخًا في الذاكرة لا تنبع في كثير من الأحيان من أفعال اللاعب نفسه، بل من ردود أفعال الشخصيات التي يلتقي بها في طريقه. هذه الشخصيات غير اللاعبة، أو الـ NPCs، هي سكان عالم اللعبة، والمكلفة بجعل البيئة تبدو حية. لعقود من الزمن، اعتمد مصممو الألعاب على نصوص برمجية جامدة لجعل هذه الشخصيات تتحرك وتتصرف، مما خلق سلوكيات يمكن التنبؤ بها وغالبًا ما تكون متكررة. مؤخرًا، بدأت الذكولة الاصطناعية في تقديم طريق جديد للمضي قدمًا، باستخدام نماذج يمكنها توليد تسلسلات فيديو كاملة لأسلوب اللعب. ومع ذلك، لا تزال هناك عقبة كبيرة: في أنظمة الذكاء الاصطناعي الجديدة هذه، غالبًا ما يكون سلوك الشخصيات مجرد نتاج ثانوي للفيديو الذي يتم إنشاؤه، أو يتم إجباره على اتباع تعليمات من خارج النظام. وهذا يعني أن الشخصيات لا يمكنها حقًا "رؤية" الموقف المتغير من حولها واتخاذ قرار بشأن كيفية التفاعل في اللحظة الراهنة؛ فهي تفتقر إلى عقل يربط بين ما يحدث على الشاشة وما يجب عليها فعله بعد ذلك.
لقد عالج فريق من الباحثين من شركة "تنسنت" (Tencent) وجامعة سنغافورة الوطنية هذه الفجوة من خلال تقديم إطار عمل جديد يسمى "WorldMind". يمثل عملهم تحولًا في كيفية نمذجة عوالم الألعاب، بالانتقال بعيدًا عن الأنظمة التي يكون فيها سلوك الشخصية مخفيًا داخل عملية توليد الفيديو. بدلاً من ذلك، قاموا ببناء نظام يفصل صراحةً بين فعل فهم حالة اللعبة وفعل توليد الفيديو. تخيل لعبة يتوقف فيها الكمبيوتر أولاً لتقييم المسافة بين اللاعب ووحش ما، ويتحقق مما إذا كانت الوحش يمتلك قدرات متاحة، ثم يقرر بوعي حركة محددة قبل رسم الإطار التالي من الفيديو. هذا هو جوهر "WorldMind". وقد أوضح الباحثون أنه من خلال تقسيم العملية إلى خطوات متميزة — فهم المشهد، والتفكير في الاستجابة، ثم توليد النتيجة المرئية — استطاعوا إنشاء شخصيات غير لاعبة تتفاعل مع حالة اللعبة المتطورة بمستوى من الوعي التكتيكي لم يسبق له مثيل في النماذج التوليدية.
تكمن أسس هذا النهج الجديد في هيكل مكون من أربع طبقات يحاكي دورة من الإدراك والعمل. تعمل الطبقة الأولى كأعين للنظام، حيث تأخذ إطارات الفيديو التي تم توليدها حتى الآن وتعيد بناء ملخص رقمي مدمج للوضع الحالي. يتضمن هذا الملخص تفاصيل محددة مثل المسافة بين اللاعب والزعيم، والزاوية التي يواجهان بعضهما البعض بها، وسجل لما استخدمه الزعيم من مهارات مؤخرًا. هذه خطوة حاسمة لأنه في النماذج السابقة، كان على الذكاء الاصطناعي تخمين هذه التفاصيل بينما يحاول في الوقت نفسه رسم الفيديو، مما أدى غالبًا إلى سلوك مرتبك أو غير مستجيب. ومن خلال إنشاء هذا الملخص الواضح والمنفصل للحالة، يضمن النظام أن عملية اتخاذ القرار لديها أساس متين من الحقائق للعمل بناءً عليه.
بمجرد إنشاء هذه الحالة المدمجة، يتم تمريرها إلى الطبقة الثانية، التي تعمل بمثابة عقل العملية. هنا، يقوم نموذج لغوي كبير — وهو نوع من الذكاء الاصطناعي المدرب على فهم وتوليد اللغة البشرية — بقراءة ملخص حالة اللعبة إلى جانب قائمة بمهارات الزعيم المتاحة وأوصافها. ثم يفكر النموذج في الموقف للتخطيط للخطوة التالية. يسأل نفسه أسئلة مثل: "اللاعب قريب جدًا، لذا من الضروري القيام بهجوم لتقليص الفجوة"، أو "اللاعب بعيد، لذا يجب علي استخدام مهارة بعيدة المدى". هذه الطبقة لا تخمن فحسب؛ بل تصيغ خطة تكتيكية بناءً على آليات اللعبة والواقع الحالي للمشهد. وقد حرص الباحثون على ضمان أن يكون هذا التفكير مستندًا إلى القواعد الفعلية للعبة، بدلاً من مجرد محاكاة الأنماط من بيانات التدريب. وقد وجدوا أنه عندما قاموا بتغيير أوصاف المهارات أو حالة اللعبة، قام النموذج بتغيير قراراته وفقًا لذلك، مما أثبت أنه يفهم الآليات حقًا وليس مجرد حفظ النتائج.
تعمل الطبقة الثالثة كمترجم، حيث تقوم بتحويل الخطة رفيعة المستوى من العقل إلى مجموعة من التعليمات التي يمكن لمولد الفيديو فهمها. تأخذ الإجراء المختار وحركات اللاعب وتحولهما إلى تسلسل زمني من المطالبات باللغة الطبيعية. على سبيل المثال، قد تولد عبارة مثل "اللاعب يقوم بهجوم بينما يقوم الزعيم بضربة قفز ساحقة". هذا يضمن أن طبقة التوليد المرئي، وهي المكون الرابع والأخير، تتلقى تعليمات دقيقة ومتوافقة زمنيًا. ثم يقوم مولد الفيديو بإنشاء الجزء التالي من فيديو أسلوب اللعب بناءً على هذه المطالبات. ومن الأهمية بمكان أن الإطارات التي ينتجها ليست نهاية المطاف؛ بل يتم تغذيتها مرة أخرى في الطبقة الأولى لبدادة الدورة من جديد. وهذا يخلق حلقة مغلقة حيث يتم مراقبة العالم باستمرار، وتحليله، وتحديثه، مما يسم تسمح للشخصية غير اللاعبة بالتفاعل مع عواقب أفعالها السابقة في الوقت الفعلي.
لتدريب واختبار هذا النظام، واجه الباحثون تحديًا كبيرًا في البيانات. عادة ما تلتقط تسجيلات ألعاب الفيديو القياسية ما يفعله اللاعب وما تعرضه الشاشة فقط، وتفتقر إلى البيانات الداخلية حول حالة اللعبة التي يحتاجها الذكاء الاصطناعي ليتعلم كيفية اتخاذ القرارات. ولحل هذه المشكلة، بنوا مسارًا آليًا لجمع مجموعة بيانات جديدة ضخمة تسمى BOSS-140K. تحتوي مجموعة البيانات هذه على أكثر من 140,000 مقطع لأسلوب اللعب، بإجمالي أكثر من 200 ساعة، تضم معارك ضد 14 زعيمًا مختلفًا عبر ثلاث ألعاب متميزة. وعلى عكس مجموعات البيانات السابقة، تقرن هذه المجموعة لقطات الفيديو بتعليقات تفصيلية، إطارًا بإطار، حول الحالة الداخلية للعبة، بما في ذلك المسافات الدقيقة، وفترات انتظار المهارات، ومدخلات اللاعب. لقد استخدموا وكيلًا متخصصًا للعب الألعاب تلقائيًا، مما ضمن تسجيل مجموعة متنوعة من التفاعلات دون الحاجة إلى مشغلين بشريين للتحكم في كل حركة يدويًا. كانت هذه البيانات الغنية والمنظمة ضرورية لتعليم النظام كيفية ربط العالم المرئي بالقواعد الكامنة للعبة.
عندما اختبر الباحثون WorldMind، أظهرت النتائج تحسنًا ملحوظًا في كيفية سلوك الشخصيات غير اللاعبة. وفي المقارنات المباشرة مع الأساليب الحالية، حيث تتصرف الشخصيات إما بشكل ضمني داخل الفيديو أو تتبع أوامر خارجية، فضل المقيمون النظام الجديد في حوالي 70% من الحالات. لم تكن الشخصيات التي أنتجها WorldMind أكثر ملاءمة تكتيكيًا فحسب، بل كانت أيضًا أكثر تماسكًا، حيث حافظت على استراتيجية ثابتة طوال القتال. استطاعت الشخصيات التكيف مع حركات اللاعب، وتقليص المسافة عند الحاجة، أو التراجع لاستخدام هجمات بعيدة المدى، كل ذلك بينما حافظ توليد الفيديو على وتيرة تقارب 20 إطارًا في الثانية. هذه السرعة كافية للتفاعل في الوقت الفعلي، مما يعني أن النظام يمكنه العمل بسلاسة أثناء لعب الإنسان. كما أكدت الدراسة أن النظام يمكنه تعميم فهمه على ألعاب لم يرها أثناء التدريب، بشرط تزويده بمعلومات الحالة الداخلية الصحيحة، مما يشير إلى أن النهج قوي بما يكفي للتطبيق خارج الألعاب المحددة المستخدمة في الدراسة.
يشير العمل المقدم في هذه الورقة إلى مسار جديد للترفيه التفاعلي، حيث لا يكون الذكاء الاصطناعي الذي يدير عالم اللعبة مجرد مولد للمرئيات، بل مشاركًا في منطق اللعبة. من خلال فصل فهم الحالة عن توليد الفيديو، أنشأ الباحثون إطار عمل يمكن للشخصيات غير اللاعبة أن تمتلك من خلاله نوعًا من الوعي بالموقف. لم تعد مقيدة بنصوص مبرمجة مسبقًا أو بحدود عملية توليد واحدة. بدلاً من ذلك، يمكنها مراقبة العالم، والتفكير في خياراتها، والعمل بنية. وبينما يركز النظام حاليًا على معارك الزعماء وأنواع معينة من الألعاب، فإن المبدأ الأساسي المتمثل في فصل فهم الحالة عن توليد الفعل يقدم اتجاهًا واعدًا لإنشاء عوالم رقمية أكثر ديناميكية واستجابة في المستقبل. لقد أظهر الباحثون أنه عندما تمنح الذكاء الاصطناعي رؤية واضحة لحالة اللعبة وطريقة للتفكير فيها، فإن الشخصيات التي ينشئها يمكنها حقًا أن تدب فيها الحياة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.