MIRA实况驱动Rocket League于B200

kyutai_labs 与 gen_intuition 携手 Epic Games 推出 MIRA，这是一个 50 亿参数的神经网络模型，能够在单张 Nvidia B200 GPU 上以每秒 20 帧的速度完整模拟 2v2 Rocket League 比赛。模型仅通过视频画面和控制器输入学习，无需任何物理引擎、渲染引擎或显式三维表示。

关键要点

• MIRA 证明大规模视频训练模型可替代传统游戏模拟堆栈，为娱乐和训练行业提供低成本内容生成方案。
• 训练完全依赖 1000 小时真实比赛数据，展示可扩展数据采集方法，减少对手工资产和专业工程团队的依赖。
• 约四秒的上下文记忆限制导致回放不一致，凸显生产部署中需要更长记忆架构。

技术深入分析

架构直接从像素序列和动作日志学习游戏动力学。这种端到端方法消除了处理球体轨迹、车辆碰撞和视觉渲染的中间代码层。模型在保持连贯比赛的同时实现高效实时推理。

商业影响与机会

游戏工作室可利用类似模型生成合成训练环境，显著降低物理调试和资产创建成本。变现策略包括授权模拟 API 用于电子竞技分析、职业运动员虚拟训练模块以及实时服务游戏的程序化内容工具。内存限制等实施挑战可通过混合系统缓解。

未来展望

上下文窗口持续扩展将延长连贯模拟时长，推动神经环境在机器人仿真和自动驾驶测试中的广泛应用。拥有海量视频数据集的组织将在行业中占据优势。

常见问题

MIRA 是什么？

MIRA 是由 kyutai_labs 和 gen_intuition 与 Epic Games 合作开发的 50 亿参数模型，仅用视频和控制器数据模拟 Rocket League。

模型如何在没有物理引擎的情况下运行？

它通过像素和输入序列隐式学习所有动力学，直接在单 GPU 上生成每秒 20 帧画面。

主要局限是什么？

模型仅保留约四秒上下文，导致回放时出现幻觉，例如忘记进球后编造进球。