- 研究人員推出了 GameNGen,一款由神經模型驅動的遊戲引擎,能夠進行即時互動,並展示了在單個 TPU 上模擬遊戲《毀滅戰士》時每秒超過 20 幀的性能。
- GameNGen 使用兩階段訓練過程,涉及一個用於數據收集的強化學習代理和一個用於下一幀預測的擴散模型,達到 29.4 的峰值信噪比,與有損 JPEG 壓縮相當。
- 該模型的架構包括條件增強和預訓練自編碼器的微調,以確保穩定的長期生成和改進的圖像質量,使得人類評估者難以區分真實和模擬的遊戲片段。
- 擴散模型根據過去的幀和使用者操作生成幀,但不支援即時使用者輸入進行動態調整。
- 這些模型基於大量的《毀滅戰士》遊戲數據集進行訓練,生成的畫面是根據當前畫面和使用者操作來決定的,更像是一種神經記錄,而非互動模擬。
- 「雖然這項技術令人印象深刻,但它面臨著內部遊戲狀態維護不一致的限制,這突顯了其潛力和遊戲模擬的挑戰。」
- 作者最初因一篇學術論文中其演算法的低效實現而感到沮喪,這導致了錯誤的性能聲明。
- 這種挫折促使人們探索並優化 CRDTs(無衝突複製資料類型),使得在沒有中央伺服器的情況下進行即時協作編輯成為可能。
- 作者優化的 CRDT 實作 Diamond,透過使用更簡單的資料結構和先進的索引技術,顯著超越了像 Automerge 這樣的熱門 CRDT,達到超過 5000 倍的速度提升。
- 這篇文章討論了無衝突複製資料類型(CRDTs)的性能及其在實際軟體中的應用,強調了其優點和挑戰。
- CRDTs 被應用於各種應用程式,如 Thymer、Notion 和 Apple Notes,提供即時協作和離線功能等特性,但它們也伴隨著性能妥協和複雜的衝突解決等取捨。
- 討論包括開發者和使用者對於 CRDTs 實際應用的見解,並將其與其他同步方法如操作轉換(OT)進行比較,探討其在不同使用情境中的適用性。