MIRA: बिना game engine के neural network के अंदर चलती playable 2v2 Rocket League match
General Intuition, Kyutai और Epic Games ने जुलाई की शुरुआत में MIRA रिलीज़ किया, और यह उस किस्म की चीज़ है जो तब तक झूठ लगती है जब तक आप खुद खेल न लें। MIRA एक 5 अरब पैरामीटर वाला world model है जो पूरी 2v2 Rocket League match सिमुलेट करता है, और नीचे कोई game engine नहीं है। न कोई physics कोड गेंद का उछाल गिनता है, न कोई renderer एरीना बनाता है। एक latent diffusion model चारों खिलाड़ियों के बटन इनपुट लेता है और हर खिलाड़ी के व्यू का अगला फ्रेम जनरेट करता है, सेकंड में 20 बार, एक अकेले GPU पर। कोड GitHub पर है, ट्रेनिंग डेटा Hugging Face पर, और mira-wm.com पर एक लाइव demo है जिसे आप अभी अपने browser में खेल सकते हैं।
असली खबर मल्टीप्लेयर है
Playable neural simulation कोई नई बात नहीं है। GameNGen ने 2024 में ही Doom को एक diffusion model के अंदर चला दिया था, और Oasis ने Minecraft के साथ यही किया। लेकिन वे सब सिंगल-प्लेयर थे। मॉडल एक इंसान की सुनता था और बाकी सब कुछ को सीनरी मानता था। MIRA एक साथ चार लोगों की सुनता है। जब एक कार गेंद को छूती है, तो चारों स्क्रीनों को इस पर सहमत होना पड़ता है कि गेंद कहाँ जाएगी, और मॉडल को यह भी सुलझाना पड़ता है कि किसके इनपुट से कौन सा बदलाव हुआ। यह एक ही match के चार सिंक्रोनाइज़्ड first-person व्यू जनरेट करता है और उन्हें इतना संगत रखता है कि एक असली 2v2 game चल सके। यही यहाँ की सबसे कठिन समस्या है, और जहाँ तक हमें पता है, इसका ओपन वर्ज़न पहले किसी ने शिप नहीं किया।
ट्रेनिंग डेटा अपने आप में एक अलग रिलीज़ है। Rocket Science डेटासेट में करीब 10,000 घंटे की 2v2 matches हैं, 15,000 से ज़्यादा games में फैला लगभग 29 TB डेटा, जिसमें चारों खिलाड़ियों के नज़रिए से टाइम-अलाइन्ड 720p वीडियो, कीबोर्ड इनपुट, game इवेंट और 120 Hz पर लॉग की गई physics स्टेट शामिल है। हर match bots ने खेली, खासतौर पर पब्लिकली उपलब्ध Nexto bot ने, यानी इसमें इंसानी gameplay बिल्कुल नहीं है। कोड Apache 2.0 के तहत आता है, डेटासेट CC BY-NC-SA 4.0 के तहत, और Rocket League कंटेंट के कमर्शियल इस्तेमाल के लिए अब भी Epic की अलग इजाज़त चाहिए। और इस पर Epic का नाम होना ही वो बात है जिस पर रुककर सोचना चाहिए। दुनिया का सबसे मशहूर game engine बेचने वाली कंपनी ने अभी-अभी एक ऐसा playable game पब्लिश करने में हाथ बँटाया जिसमें कोई engine है ही नहीं।
यह अभी क्या नहीं कर सकता
लेखक अपनी सीमाओं को लेकर ताज़गी भरी ईमानदारी दिखाते हैं। वह "अकेला GPU" दरअसल एक Nvidia B200 है, डेटासेंटर वाला कार्ड, किसी के gaming PC में लगा हुआ नहीं। आउटपुट 720p पर 20fps है, जो असली game एक मिड-रेंज PC पर जो करता है उससे काफ़ी नीचे है। कॉन्टेक्स्ट विंडो छोटी है, इसलिए मॉडल स्कोर और घड़ी भूल सकता है। गेंद कभी-कभी अपने आप गोल की तरफ़ बहने लगती है, कारें बिना इनपुट के हिल जाती हैं, और दुर्लभ घटनाएँ कम ट्रेन हुई हैं क्योंकि bots ने उन्हें कम ही पैदा किया। यह एक ही game सिमुलेट करता है, और वह भी एक ही bot की खेलने की शैली से सीखकर। इनमें से कुछ भी इस नतीजे का वज़न कम नहीं करता। यह बस बताता है कि हम curve पर कहाँ खड़े हैं।
Game बनाने वालों के लिए इसका क्या मतलब है
ढलान देखिए। 2024 में एक world model ने एक खिलाड़ी के लिए Doom चलाया। 2025 में Minecraft था। 2026 के बीच में यह vehicle physics वाला चार खिलाड़ियों का टीम स्पोर्ट है, जो कोड, डेटा और browser demo के साथ ओपन रिलीज़ हुआ है। इस तिमाही engines को कोई ख़तरा नहीं है, क्योंकि एक match के लिए एक B200 बनाम एक browser टैब, यह कोई मुकाबला ही नहीं है। लेकिन दो लकीरें एक-दूसरे की ओर बढ़ रही हैं। engines रनटाइम पर AI-जनरेटेड कंटेंट सोख रहे हैं, जैसे Meshy के runtime पर जनरेट होते game mechanics, जबकि neural simulations playable, मल्टीप्लेयर और ओपन बनते जा रहे हैं। Cinevva इस मिलन में browser-first वाली तरफ़ खड़ा है। हमारा दांव यह है कि game प्रोडक्शन browser में सिमट जाएगा, तुरंत शिप होगा, और उस हार्डवेयर पर चलेगा जो लोगों के पास पहले से है। जब neural simulation सर्व करने लायक सस्ता हो जाएगा, तो वह 100 GB वाले install से बहुत पहले ठीक इसी तरह के डिस्ट्रीब्यूशन में फिट होगा। रास्ता कोई भी हो, दुर्लभ चीज़ वही रहती है: कुछ ऐसा जो खेलने लायक हो।