{"id":51311,"date":"2025-02-20T08:27:52","date_gmt":"2025-02-20T08:27:52","guid":{"rendered":"https:\/\/enfoquenoticioso.com\/tecnologia\/microsoft-lanza-una-ia-que-genera-graficos-y-gameplay-de-videojuegos\/"},"modified":"2025-02-20T08:27:52","modified_gmt":"2025-02-20T08:27:52","slug":"microsoft-lanza-una-ia-que-genera-graficos-y-gameplay-de-videojuegos","status":"publish","type":"post","link":"https:\/\/enfoquenoticioso.com\/?p=51311","title":{"rendered":"Microsoft lanza una IA que genera gr\u00e1ficos y gameplay de videojuegos"},"content":{"rendered":"
\n

Microsoft<\/strong> ha desarrollado una IA que puede generar gr\u00e1ficos y jugabilidad para videojuegos<\/strong>. El modelo, conocido como Muse, es capaz de predecir im\u00e1genes, simular entradas y producir secuencias de juego coherentes. El trabajo es un desarrollo en conjunto entre Microsoft y Ninja Theory, uno de los estudios first party<\/em> de Xbox responsable de la saga Hellblade<\/em>.<\/p>\n

De acuerdo con una publicaci\u00f3n en la revista Nature<\/em><\/a>, Muse es el nombre del primer modelo WHAM (World and Human Action Model)<\/strong> desarrollado por Microsoft. De acuerdo con los investigadores, Muse integra modelos espacio-temporales para capturar la din\u00e1mica de los videojuegos modernos. Esto es posible gracias a un extenso entrenamiento con datos de cientos de miles de partidas humanas.<\/p>\n

A diferencia de las t\u00e9cnicas tradicionales de generaci\u00f3n procedural, que utilizan reglas predefinidas, Muse aprende directamente de las partidas humanas<\/strong>, lo que le permite generar im\u00e1genes de juego realistas y entradas de control correspondientes con alta fidelidad. Para ello, Microsoft ha echado mano de un conjunto de datos que incluye m\u00e1s de 500.000 partidas de Bleeding Edge<\/em><\/strong>, un multijugador de 4 vs. 4 desarrollado por Ninja Theory.<\/p>\n

Los desarrolladores extrajeron los datos de sesiones de juego durante siete a\u00f1os<\/strong>, cubriendo los siete mapas de juego. Esto dio como resultado el \u00ab7 Maps dataset\u00bb un conjunto que sirve como base para entrenar el modelo WHAM m\u00e1s extenso, que opera con 1.600 millones de par\u00e1metros y una longitud de contexto de 1 segundo<\/strong>. Cada fotograma se codifica en 540 tokens con una resoluci\u00f3n de 300\u00d7180 p\u00edxeles.<\/p>\n

\n
\n
\n
\"YouTube\"YouTube<\/div>\n<\/div>\n