小明 發(fā)自 凹非寺

| 公眾號(hào) QbitAI

AI玩黑神話，第一個(gè)精英怪牯護(hù)院輕松拿捏啊。

有方向感，視角也沒有問題。

躲閃劈棍很絲滑。

甚至在打鴉香客和牯護(hù)院時(shí)，AI的勝率已經(jīng)超過人類。

而且是完全使用大模型玩，沒有使用強(qiáng)化學(xué)習(xí)。

阿里巴巴的研究人員們提出了一個(gè)新型VARP（視覺動(dòng)作角色扮演）智能體框架。

它能直接將游戲截圖作為輸入，通過視覺語言模型推理，最終生成Python代碼形式的動(dòng)作，以此來操作游戲。

以玩《黑神話·悟空》為例，該智能體在90%簡(jiǎn)單和中等水平戰(zhàn)斗場(chǎng)景中取勝。

GPT-4o、Claude 3.5都來迎戰(zhàn)

研究人員以《黑神話·悟空》為研究平臺(tái)，一共定義了12個(gè)任務(wù)，75%與戰(zhàn)斗有關(guān)。

他們構(gòu)建了一個(gè)人類操作數(shù)據(jù)集，包含鍵鼠操作和游戲截圖，一共1000條有效數(shù)據(jù)。

每個(gè)操作都是由原子命令的各種組合組成的序列。原子命令包括輕攻、閃避、重攻擊、回血等。

然后，他們提出了VARP智能體框架。

主要包含動(dòng)作規(guī)劃系統(tǒng)和人類引導(dǎo)軌跡系統(tǒng)。

其中動(dòng)作規(guī)劃系統(tǒng)由情境庫、動(dòng)作庫和人類引導(dǎo)庫組成，利用 VLMs 進(jìn)行動(dòng)作推理和生成，引入分解特定任務(wù)的輔助模塊和自我優(yōu)化的動(dòng)作生成模塊。

人類引導(dǎo)軌跡系統(tǒng)利用人類操作數(shù)據(jù)改進(jìn)智能體性能，對(duì)于困難任務(wù)，通過查詢?nèi)祟愐龑?dǎo)庫獲取相似截圖和操作，生成新的人類引導(dǎo)動(dòng)作。

同時(shí)VARP還包含3個(gè)庫：情景庫、動(dòng)作庫和人工引導(dǎo)庫。

這些庫中存儲(chǔ)了agent自我學(xué)習(xí)和人類指導(dǎo)的內(nèi)容，可以進(jìn)行檢索和更新。

動(dòng)作庫中，“def new_func_a”表示動(dòng)作計(jì)劃系統(tǒng)生成的新動(dòng)作，“def new_func_h”表示人導(dǎo)軌跡系統(tǒng)生成的動(dòng)作。”def pre_func”代表預(yù)定義的動(dòng)作。

動(dòng)作案例研究和相應(yīng)的游戲截圖。第一行和第二行中的操作是預(yù)定義的函數(shù)。第三行動(dòng)作由人工制導(dǎo)軌跡系統(tǒng)生成。

SOAG會(huì)在玩家角色與敵人的每次戰(zhàn)斗互動(dòng)后總結(jié)第四行和第五行中的新動(dòng)作，并將其存儲(chǔ)在動(dòng)作庫中。

框架分別使用了GPT-4o（2024-0513版本）、Claude 3.5 Sonnet和Gemini 1.5 Pro。

對(duì)比人類和AI的表現(xiàn)結(jié)果，可以看到小怪部分AI們的表現(xiàn)達(dá)到人類玩家水平。

到了牯護(hù)院時(shí)，Claude 3.5 Sonnet敗下陣來，GPT-4o勝率最高。

但是對(duì)于新手玩家普遍頭疼的幽魂，AI們也都束手無策了。

另外研究還提到，由于VLMs推理速度受到限制，是無法實(shí)時(shí)輸入每一幀畫面的。它只能間隔輸入關(guān)鍵幀，這也會(huì)導(dǎo)致AI在一些情況下錯(cuò)過boss攻擊的關(guān)鍵信息。

以及由于游戲中沒有明確的道路引導(dǎo)且存在很多空氣墻，在沒有人類引導(dǎo)下，智能體也不能自己找到正確的路線。

如上研究來自阿里團(tuán)隊(duì)，一共有5位作者。

后續(xù)相關(guān)代碼和數(shù)據(jù)集有發(fā)布計(jì)劃，感興趣的童鞋可以蹲下。

One More Thing

AI打游戲并不是一個(gè)新鮮事了，比如AI基于強(qiáng)化學(xué)習(xí)方法打《星際爭(zhēng)霸II》已經(jīng)可以擊敗人類職業(yè)高手。

利用強(qiáng)化學(xué)習(xí)方案，往往需要輸入大量對(duì)局。商湯此前訓(xùn)練的DI-star（監(jiān)督學(xué)習(xí)+強(qiáng)化學(xué)習(xí)），就用了“16萬場(chǎng)錄像”和“1億局對(duì)戰(zhàn)”。

但是純大模型也能打游戲，還是很出乎意料的。在本項(xiàng)研究中，數(shù)據(jù)集中的有效數(shù)據(jù)為1000條。

論文地址：

https://arxiv.org/abs/2409.12889

項(xiàng)目地址：

https://varp-agent.github.io/

— 完—

評(píng)選征集中

「2024人工智能年度評(píng)選」

2024人工智能年度評(píng)選已開啟報(bào)名通道，評(píng)選從企業(yè)、人物、產(chǎn)品三大維度設(shè)立了5類獎(jiǎng)項(xiàng)。

歡迎掃碼報(bào)名評(píng)選！評(píng)選結(jié)果將于12月公布，期待與數(shù)百萬從業(yè)者共同見證榮譽(yù)時(shí)刻。

點(diǎn)這里