AI玩黑神話，第一個精英怪牯護院輕松拿捏啊。

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院時，AI的勝率已經(jīng)超過人類。

而且是完全使用大模型玩，沒有使用強化學習。

阿里巴巴的研究人員們提出了一個新型VARP（視覺動作角色扮演）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代碼形式的動作，以此來操作游戲。

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

，時長07:00

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，一共定義了12個任務，75%與戰(zhàn)斗有關。

他們構建了一個人類操作數(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。

主要包含動作規(guī)劃系統(tǒng)和人類引導軌跡系統(tǒng)。

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

人類引導軌跡系統(tǒng)利用人類操作數(shù)據(jù)改進智能體性能，對于困難任務，通過查詢?nèi)祟愐龑飓@取相似截圖和操作，生成新的人類引導動作。

同時VARP還包含3個庫：情景庫、動作庫和人工引導庫。

這些庫中存儲了agent自我學習和人類指導的內(nèi)容，可以進行檢索和更新。

動作庫中，“def new_func_a()”表示動作計劃系統(tǒng)生成的新動作，“def new_func_h()”表示人導軌跡系統(tǒng)生成的動作。”def pre_func()”代表預定義的動作。

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

SOAG會在玩家角色與敵人的每次戰(zhàn)斗互動后總結第四行和第五行中的新動作，并將其存儲在動作庫中。

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

對比人類和AI的表現(xiàn)結果，可以看到小怪部分AI們的表現(xiàn)達到人類玩家水平。

到了牯護院時，Claude 3.5 Sonnet敗下陣來，GPT-4o勝率最高。

但是對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，是無法實時輸入每一幀畫面的。它只能間隔輸入關鍵幀，這也會導致AI在一些情況下錯過boss攻擊的關鍵信息。

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

如上研究來自阿里團隊，一共有5位作者。

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

One More Thing

AI打游戲并不是一個新鮮事了，比如AI基于強化學習方法打《星際爭霸II》已經(jīng)可以擊敗人類職業(yè)高手。

利用強化學習方案，往往需要輸入大量對局。商湯此前訓練的DI-star（監(jiān)督學習+強化學習），就用了“16萬場錄像”和“1億局對戰(zhàn)”。

但是純大模型也能打游戲，還是很出乎意料的。在本項研究中，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

項目地址：https://varp-agent.github.io/