Actualités
Gamer Framework : Modèle IA pour Interaction de Longue Durée dans les Jeux
Gamer, un nouveau framework IA, intègre la perception, la mémoire et le raisonnement pour une interaction efficace dans des environnements 2D et 3D .
Article traduit. Lire l'article original.
Les chercheurs ont présenté Gamer, un framework IA généraliste vision-langage-action conçu pour des tâches de longue durée dans des environnements interactifs complexes 2D et 3D . Publié le 2026-11-16 , sur arXiv (2611.18397), ce framework représente un pas significatif vers la création d'agents généralistes capables d'opérer à travers des domaines numériques et physiques. Le projet a également été open-source sur GitHub, permettant une adoption et une collaboration plus larges.
Caractéristiques Clés et Méthodologie d'Entraînement
L'architecture de Gamer intègre la perception, la gestion de la mémoire et le raisonnement multi-étapes dans un cadre unifié. Le modèle est entraîné à l'aide d'un processus en plusieurs étapes :
- Pré-Entraînement Continu : Gamer tire parti de dizaines de milliers d'heures de données d'interaction au clavier et à la souris provenant de jeux simulés et d'environnements incarnés. Cela permet au modèle d'apprendre les dynamiques environnementales à la fois dans les domaines physiques et virtuels.
- Réglage d'Instruction Sparsse : Cette étape réduit le calcul redondant tout en maintenant les capacités de raisonnement requises pour une prise de décision complexe.
- Apprentissage par Renforcement Multi-Tours : Une méthode d'entraînement stable qui aborde des défis tels que les fenêtres de contexte finies, les erreurs de déploiement accumulées et les récompenses éparses, permettant une interaction efficace à long terme.
Performance et Interaction en Temps Réel
Gamer démontre une forte généralisation et efficacité à travers divers benchmarks. Dans les jeux en monde ouvert 3D , il performe au même niveau que des joueurs humains qualifiés. Il obtient également des résultats compétitifs sur des benchmarks de jeux traditionnels 2D . Le moteur d'inférence cloud-edge du framework supporte l'exécution sans contexte limité et maintient une latence faible, permettant une interaction en temps réel dans plusieurs environnements simulés.
Mise en Œuvre Open-Source
L'implémentation officielle de Gamer est disponible sur GitHub (https://github.com/RainBowLuoCS/Gamer). Le dépôt inclut une documentation détaillée, des démonstrations vidéo et une licence sous Apache 2.0 . La publication open-source vise à favoriser la collaboration et les avancées supplémentaires dans les agents IA généralistes.
Le développement de Gamer met en lumière le potentiel d'évoluer les données et les algorithmes d'apprentissage pour former des agents capables de tâches complexes et à long terme dans des environnements divers. Cette approche pourrait ouvrir la voie à des applications plus larges de l'IA dans les mondes numériques et physiques.
Autres articles en français · Comparaisons financières et sources SEC (anglais)