オープンソースの5BマルチプレイヤーワールドモデルMIRA：DINOv3表現を用いて長時間のドリフトを緩和し、『Rocket League』の2v2対戦をリアルタイムでシミュレート可能

動察 Beatingのモニタリングによると、AI研究機関General IntuitionはフランスのAIラボKyutaiおよびEpic Gamesと協力し、マルチプレイヤー対話型ワールドモデル「MIRA」を発表しました。複数プレイヤーのリアルタイムインタラクションをサポートする生成型ゲームシミュレーターとして、MIRAは物理エンジン、レンダリングエンジン、または明示的な3D表現による推論を必要とせず、過去の画面とプレイヤーのキー入力のみに基づいて、『Rocket League』の2対2の対戦をリアルタイムでシミュレートします。

Odysseyなどの企業が採用する「論理計算と画面レンダリングの分離」路線とは異なり、MIRAはビデオ潜在空間に基づく生成型シミュレーション路線を採用しています。MIRAは50億のパラメータを持ち、システムの核となる設計は、潜在予測空間を凍結された汎用ビジュアルエンコーダーDINOv3-Lの上に構築することです。事前学習された視覚的特徴を活用することで、生成された潜在状態はより安定して有効な表現空間内に収まり、長時間予測における画面のドリフトや発散を大幅に軽減します。

マルチスクリーンのアライメントにおいて、MIRAは4つのプレイヤー視点の潜在画面を統一グリッドに結合し、空間的注意メカニズムが自然に視点間で機能するようにし、車両、サッカーボール、および重要なイベントの複数視点における空間的一貫性を向上させます。トレーニング中に導入されたアクションドロップアウト（Action Dropout）は、システムが一部のアクションストリームを欠く場合に、指示されていない車両のゲーム行動を補完するのに役立ちます。

現在、MIRAは単一のNVIDIA B200 GPU上で毎秒20フレームでリアルタイム動作可能です。チームはトレーニングおよび推論コードをオープンソース化し、Rocket Scienceデータセットを公開しました。このデータセットには、1000時間の試合、4視点合計約4000時間のビデオ、アクションストリーム、および物理状態データが含まれています。モデルの完全なトレーニングには、約1万時間のクリーンな対戦データが使用されました。