基于GameGAN的动态环境模拟

GameGAN – 一种生成式模型，能够通过训练，理解游戏规则和键盘动作，学习如何在视觉上模拟特定游戏。代理按下一个按键，GameGAN 就能借助精巧设计的生成式对抗网络，“渲染”接下来的屏幕内容。

如果您看到左上图的那一位，可能会认为她在玩岩谷彻的《吃豆人》游戏，但事实并非如此!她实际上正在玩的是由 GAN 生成的 新版本《吃豆人》。本文中，我们将介绍 GameGAN，它能够通过对 很多游戏回合的观察，学习如何复制游戏。此外，我们的模型能够 分解背景与动态对象，让我们能够调换下行中间及右侧图像中所示 的组件，以创建新游戏。

对于任何机器人系统，模拟都是关键的一环。为正确地进行模拟，我们需要编写复杂的环境规则，如：动态代理的行为，以及每个代理的行为会如何影响其他代理的行为。

在《基于 GameGAN 的动态环境模拟》白皮书中，我们旨在通过简单地观察代理与环境的交互，以学习得到一个模拟器。

这个方法具备超越当前方法的关键优势：设计一个记忆模块，以构建环境的内部映射，让代理能够返回到早前访问过的位置，且具有高度的视觉一致性。此外，GameGAN 能够分解图像中的静态和动态组建，使模型的行为更易于理解，且与需要对动态元素进行显式推理的下游任务相关。这使得许多有趣的应用程序成为了可能。