ithome
科技
采集 2026-11-17T16:11:03+00:00
米哈游公布游戏通用视觉语言动作模型 Gamer
原始标题:米哈游公布通用视觉语言动作基础模型 Gamer,可自主游玩《崩坏:星穹铁道》等游戏
来源
ithome
发布时间
2026-11-17T11:26:19
采集批次
2026-11-17-16
字数
633
URL 指纹
aea3711593f0d0b6
📌 AI 总结(177 字)
米哈游旗下《崩坏》系列 AI 团队公布通用视觉语言动作基础模型 Gamer,可仅依据画面自主操控键鼠,游玩 2D、3D 游戏。模型借助超万小时跨游戏轨迹、稀疏思维指令微调和强化学习提升能力,并自研推理引擎将延迟降至 65.12 毫秒。其在《崩坏:星穹铁道》等任务中已有演示,但通用化能力仍面临挑战;团队强调项目用于游戏测试、无障碍辅助等研究,不支持作弊。
📄 正文(633 字)
米哈游旗下《崩坏》系列 AI 研发团队公布通用视觉语言动作基础模型 Gamer。不同于依赖游戏内部数据或专用接口的方案,该模型通过模拟真人观察画面并操作键鼠的方式,自主完成 2D 和 3D 游戏任务。 Gamer 以每秒 5 帧的频率获取游戏画面,再以相当于 30 Hz 的频率生成键盘按键状态及鼠标移动指令。为克服长任务中的内存限制与推理延迟问题,团队使用超过 1 万小时的跨游戏键鼠操作轨迹进行持续预训练,并结合稀疏思维指令微调和时序感知强化学习进行优化。 团队还开发了专用推理引擎 Streaming-vLLM。在英伟达 H200 硬件环境下,该引擎将端到端请求延迟由 1306 毫秒降至 65.12 毫秒,明显改善模型连续执行游戏任务的效率。 公开演示显示,Gamer 能够在《崩坏:星穹铁道》中推进主线任务、探索场景并完成解谜挑战。测试结果表明,经过强化学习训练的 Gamer-RL 在 40 项此前未接触的小游戏任务中取得 49.7%的平均成功率,整体表现优于未经微调的通用模型。 针对游戏外挂和自动化脚本等潜在争议,研究团队表示,Gamer 的核心目标是探索适用于交互环境的通用智能代理,后续可应用于游戏测试、无障碍辅助及人机交互研究,不支持用于作弊、未经授权访问、利用安全漏洞或破坏游戏公平性。出于数据安全考虑,目前公开的仅是早期通用预训练阶段的文件,团队尚未公开《崩坏:星穹铁道》相关训练数据,也未发布使用该游戏数据训练或微调后的模型权重。