NVIDIA เปิดตัว Gamma-World โมเดลหลายตัวแทนรองรับการทำงานร่วมกันของผู้เล่น 4 คนที่ 24 FPS

ME AI ข่าว ตามการตรวจสอบของ Beating นักวิจัยจาก NVIDIA ร่วมกับมหาวิทยาลัยชิงหัว มหาวิทยาลัยโตรอนโต และ Vector Institute ได้เผยแพร่โมเดลโลกเชิงสร้างสรรค์แบบหลายตัวแทน Gamma-World ซึ่งพังทลายข้อจำกัดเดิมของการจำลองสภาพแวดล้อมเสมือนที่มักจำกัดอยู่ที่การโต้ตอบแบบบุคคลเดียวหรือสองคน ทีมงานได้เผยแพร่หน้าโครงการและบทความวิจัยแล้ว โดยแผนการเปิดรหัสแหล่งที่มาและน้ำหนักโมเดลจะดำเนินการในเร็วๆ นี้ โมเดลนี้นำกลไกสองประการมาใช้ ได้แก่ การขยายมิติสูงของตำแหน่งการหมุนและการใช้แท็กตัวกลางข้อมูล ซึ่งช่วยให้ผู้เล่นหลายคนสามารถควบคุมได้อย่างอิสระ และเป็นครั้งแรกที่สามารถขยายจากผู้เล่นสองคนไปยังผู้เล่นสี่คนแบบศูนย์ตัวอย่าง โดยไม่ต้องฝึกโมเดลอีกครั้ง ความท้าทายหลักของโมเดลโลกหลายผู้เล่นคือการรักษาการควบคุมแบบอิสระของแต่ละผู้เล่นโดยไม่ให้การกระทำขัดแย้งกัน ทีมวิจัยได้ออกแบบการเข้ารหัสตัวแทนแบบหมุนแบบซิมเพล็กซ์ (Simplex Rotary Agent Encoding) ซึ่งขยายการเข้ารหัสตำแหน่งแบบหมุน (RoPE) แบบคลาสสิกไปยังพื้นที่มุมมิติสูง การเข้ารหัสใหม่นี้ทำให้ผู้เล่นทุกคนมีสมมาตรทางกายภาพเท่าเทียมกัน โดยไม่ต้องพึ่งหมายเลขผู้เล่นที่กำหนดไว้ล่วงหน้า จึงสามารถระบุและควบคุมแต่ละตัวแทนได้อย่างเป็นธรรมชาติมากขึ้น เพื่อป้องกันไม่ให้ปริมาณการคำนวณเพิ่มขึ้นแบบกำลังสองเมื่อจำนวนผู้เล่นเพิ่มขึ้น แนวทางนี้จึงนำกลไกการให้ความสำคัญแบบจุดศูนย์กลางแบบบางส่วน (Sparse Hub Attention) มาใช้ ระบบใช้แท็กศูนย์กลางที่เรียนรู้ได้ในการส่งผ่านข้อมูลการโต้ตอบ ทำให้ต้นทุนการคำนวณความสำคัญระหว่างผู้เล่นลดลงเหลือระดับเชิงเส้น ในด้านความเร็วในการสร้าง ทีมงานได้กลั่นโมเดลครูแบบกระจายที่มีความล่าช้าสูงให้กลายเป็นโมเดลลูกแบบเหตุและผล โดยร่วมกับการเก็บแคชคีย์-ค่า (KV Cache) เพื่อให้สามารถส่งออกการตอบสนองการกระทำแบบเรียลไทม์ได้ถึง 24 เฟรมต่อวินาที (24 FPS) การประเมินในสภาพแวดล้อมเกมหลายผู้เล่นแสดงให้เห็นว่าโมเดลใหม่นี้มีความเหนือกว่าเครือข่ายแบบสล็อตและแบบความสำคัญหนาแน่นอย่างชัดเจนในด้านความสมจริงของภาพวิดีโอ ความสามารถในการควบคุมการตอบสนองของการกระทำ และความสอดคล้องระหว่างผู้เล่น (ที่มา: BlockBeats)