说是GTA6又跳票到明年了。
作为开放世界游戏的标杆，GTA系列不仅在游戏圈声名赫赫。尤其是在AI驱动的视频生成、三维生成或是世界模型等领域里，研究者们不仅采用游戏内场景为训练数据，更将生成类GTA的完整世界作为长久以来的目标。
但GTA6的难产已经成为一个过不去的梗，大家总是在调侃：用AI做个GTA比GTA6发布还快，就比如我们之前报道过的DecartAI。
但真的要用AI做一个GTA出来，一个游戏引擎是必不可少的。一个多月前，我们报道过全球首个由实时世界模型驱动的AI原生UGC游戏引擎Mirage。
在当时，我们拿公司附近的照片测试了一下场景生成的效果，很难说尽如人意。
但谁能想到，仅仅过了一个多月，Mirage就再一次迭代进化，发布了更强大、更灵活、更智能的Mirage2。
DynamicLabs称它为生成式世界引擎——不仅仅是为游戏而生，而是为任何你能想象的互动世界。
「从Mirage1到Mirage2，仅仅一个月，我们没有停下脚步，而是加速前进。」
01
他们号称，如果Mirage1展示了一个类似GTA世界模型的潜力，那么Mirage2是一款通用领域的世界模型，能让你即时创造、体验和改变任何游戏世界。
和Mirage1一样，Mirage2同样支持上传图片，将其转换成可交互的游戏世界。Mirage2也支持实时对话，在游戏过程中随时通过文本指令修改游戏世界。在这一次，Mirage支持生成的游戏场景通过视频进行分享。
Mirage2在生成性能上有了明显的进步。通过架构革新，它实现了：
更灵敏的提示控制：你的想法更快落地，画面更精准。
更低的游戏延迟：操作更顺畅，等待更少，沉浸感更强。
通用领域建模：不限题材，任何风格的世界都能实现。
在上一次，Mirage仅发布了两款可玩的demo，一个是GTA城市风格，另一个是竞速风格。
这一次打开demo页面，与Mirage1的交互基本一致，他们把UI做的精致了不少。重点是，Mirage2显著突出了各种完全不同风格的场景可选。
咱们举几个和传统的城市风格完全不一样的，比较跳脱的例子：
吉卜力风格：村庄任务
儿童画：彩色城市
繁星之夜
除此以外，Mirage2能够实现在交互过程中通过文本指令来修改世界：
有了对广泛不同风格的场景支持，Mirage2似乎已经有了与DeepMind最新的Genie3世界模型叫板的底气。相比于Genie3，Mirage2能够实现跑、跳、攻击等动作，十分钟以上的交互时间，200ms的延迟水平，并能在单个消费级GPU上运行。但Mirage2最大的不同是：它已经上线可以立即体验。
感兴趣的读者可以体验一下：https://demo.dynamicslab.ai/chaos
机器之心自然也上手测试了一下，和测试Mirage1的时候一样，我们还用了同一张公司附近的照片上传测试，导出视频如下：
这次我们给了一些详细的Prompt，效果和上一次对比简直是飞跃。
不仅显著改善了Mirage1物体比例的问题，加强了场景理解，场景的精度也有了明显的改善。人和车的模型明显变得更加合理，车流已经明显有了GTA4的既视感。
虽然在线体验时的延迟非常高，人物灵敏度和上次对比感知不到明显改善，但是导出的视频比较流畅。
在Mirage1发布时，团队成员ZhitingHu表示推理时间约为700ms，在Mirage2上显著改善至200ms，并且DynamicsLab表示仍然有进一步加速的空间。
02
尽管Mirage2在生成式世界建模方面取得了重大进展，但仍有一些技术问题：
动作控制精度：角色的操作还不够完美，比如在右转等动作上，偶尔会出现响应偏慢的情况。
视觉一致性：在快速切换场景时，可能会出现细节上的意外变化。不过，通过合理的提示工程（promptengineering），可以在较长时间内保持画面一致性。
我们试玩下来感知最明显的就是视觉一致性的问题。在上面的测试视频中有两点可以明显看出世界一致性不足的问题：当操作的主角走过电瓶车的人，视角被遮挡后，我们操作的主角莫名其妙的变成了骑电瓶车的人；视角回转时，照片中的建筑物已经完全不是原先的样子了。
这种效果与Genie3的演示的一致性效果相差甚远，正如读者在Mirage1的报道下评论的那样：
不过，虽然仍然存在这些亟待解决的问题，仅仅过了一个多月，Mirage就已经取得了如此进步，距离GTA6发售还有九个月，到时候这些AI驱动的UGC游戏引擎又会发展到哪一步呢？
相关推荐
