AI游戏新纪元：Multiverse引爆全球

摘要： 以色列团队Enigma Labs近日发布了Multiverse，一款全球首个AI生成多人游戏模型。该模型利用AI技术实时生成游戏画面，支持两名玩家在同一虚拟世界中进行实时互动，并确保双方视角的一致性。Multiverse的开源特性和低成本运行，为AI在多人游戏领域的应用带来了新的可能性，或将革新游戏开发和互动体验。

北京 – 游戏世界的未来正在被人工智能重塑。Enigma Labs，一家位于以色列的创新团队，近日发布了Multiverse，这款突破性的AI模型，标志着多人游戏领域迈出了革命性的一步。Multiverse并非简单的游戏引擎，而是一个能够实时生成游戏世界的AI模型，为玩家带来前所未有的互动体验。

Multiverse的核心技术与功能

Multiverse的核心在于其能够根据玩家的动作和操作，实时生成游戏画面。想象一下，在多人赛车游戏中，玩家的每一次超车、漂移、加速，都会实时影响并重塑游戏世界。更重要的是，Multiverse能够确保两名玩家看到的是同一个逻辑统一的世界，解决了多人游戏中视角一致性的难题。

这项技术基于扩散模型，将玩家的视角和动作融合处理，生成连贯且一致的游戏画面。Enigma Labs通过创新的多人世界模型架构，利用联合动作向量和双视角通道堆叠技术，巧妙地解决了多人游戏中的视角一致性问题。

Multiverse的主要功能包括：

多人实时交互： 支持两名玩家在同一虚拟世界中实时互动，例如在赛车游戏中实现超车、碰撞等操作，双方视角保持一致。
动态世界生成： 根据玩家的动作和操作，实时生成游戏画面。
高效帧预测： 准确预测未来的游戏帧，确保游戏的流畅性和连贯性。
低成本运行： 支持在普通个人电脑上运行，无需高端硬件支持，降低使用门槛。

技术原理的深入解析

为了构建多人游戏世界模型，Enigma Labs对传统架构进行了拆解和重构，重新设计了输入和输出的连接，并从头开始重新设计了训练流程，最终实现了真正的合作游戏。

Multiverse的架构包含以下关键组件：

动作嵌入器： 获取两个玩家的动作，并输出一个代表它们的嵌入。
去噪网络： 一个扩散网络，能基于两个玩家之前的帧和动作嵌入，以一个实体的形式同时生成两个玩家的帧。
上采样器： 这里的上采样器会分别接收两个玩家的帧，同时计算上采样后的版本。

视角合并解决方案是Multiverse的关键创新。为了打造多人游戏体验，模型需要收集双方玩家之前的帧和动作，输出各自预测的帧。关键在于：这两个输出不仅要看起来美观，还需要在内部保持一致。Multiverse提出了一种巧妙的解决方案：将两个玩家的视角拼接成一张图像，将他们的输入融合成一个联合动作向量，并将这一切视为一个统一的场景。

训练方法的独特性

Multiverse的训练方法也颇具特色。为了准确预测下一帧，模型需要接收玩家的动作和足够的帧数，以计算两辆车相对于道路和彼此的速度。研究发现，8帧（30帧/秒）的帧数可以让模型学习车辆运动学，如加速、制动和转向。

然而，为了捕捉车辆的相对运动，需要将上下文的大小扩大近三倍。为了解决这个问题，Enigma Labs采用了稀疏采样的方法，向模型提供最近的4个帧，然后在接下来的4个帧中每隔4个帧提供一次。这种方法既保持了上下文大小，又能提供更多的时间信息，使模型更好地捕捉到与路面相比的速度和加速度，使驾驶的动态效果更加出色。

此外，为了训练模型进行多人游戏中的互动，Enigma Labs采用了课程学习的方法，在训练过程中将预测时间从0.25秒增加到15秒。这种方法使模型能够更好地学习驾驶技术和多人游戏中的互动，显著提高了模型的“物理一致性”和帧间一致性。

开源与低成本的优势

Multiverse的另一大亮点在于其开源特性。Enigma Labs已经将项目的代码、数据、权重、架构及研究成果全面开源，为AI在多人游戏领域的应用提供了新的可能性。

更令人惊喜的是，Multiverse的训练成本仅需1500美元，并且可以在普通PC上运行。这意味着，开发者无需昂贵的硬件设备，就可以利用Multiverse进行多人游戏开发。

Multiverse的应用前景

Multiverse的应用前景十分广阔，不仅限于游戏领域：