Muse项目简介
Muse是微软推出的首个用在游戏创意生成的生成式AI模型，基于“World and Human Action Model”（WHAM）。Muse能生成游戏视觉效果和控制器操作，基于学习人类玩家的游戏数据（如图像和操作指令）模拟真实的游戏玩法序列。核心能力包括生成连贯一致的游戏画面、展现多样化的游戏路径以及将用户修改融入生成内容中。Muse基于WHAM Demonstrator提供交互界面，支持创意探索和迭代。微软已开源Muse的权重和样本数据，推动游戏创意生成的研究和创新，为未来的AI驱动游戏开发提供支持。
Muse优势介绍
生成连贯的游戏视觉和玩法：根据初始的游戏画面和控制器操作，生成长达数分钟的连贯游戏玩法序列，模拟真实的游戏动态。
支持多样化的游戏路径：在相同的初始提示下，生成多种不同的游戏玩法和视觉效果，展现丰富的行为和视觉多样性。
持久化用户修改：将用户对游戏画面的修改（如添加角色）融入生成的内容中，生成合理的后续玩法。
创意迭代支持：基于WHAM Demonstrator界面，用户能加载初始画面、调整生成内容，并基于控制器操作引导角色，实现创意的快速迭代。
Muse详细报告
VQ-GAN：用在将游戏视觉（如游戏画面）编码为离散的表示形式。VQ-GAN基于量化的方式将图像转换为离散的标记（tokens），便于模型处理。
Transformer架构：作为模型的主干网络，用于预测下一步的标记。Transformer能处理离散的视觉和操作序列，捕捉它们之间的复杂关系。
自回归生成：模型基于给定的初始提示（如初始游戏画面或控制器操作），逐步生成后续的视觉和操作序列。每一步的输出都依赖于前面的上下文，确保生成的序列具有连贯性和一致性。
训练数据：Muse基于《Bleeding Edge》游戏的玩家操作和视觉数据进行训练。数据包括玩家的控制器操作和对应的游戏画面，模型基于学习这些数据生成新的游戏序列。
Muse的项目地址
项目官网：https://www.microsoft.com/en-us/research/blog/introducing-muse
HuggingFace模型库：https://huggingface.co/microsoft/wham
技术论文：https://www.nature.com/articles/s41586-025-08600-3
Muse主要应用
游戏创意探索：快速生成游戏玩法和关卡设计，帮助开发者验证新创意。
自动化游戏测试：生成多样化的测试序列，检测游戏漏洞和优化体验。
内容生成：自动生成新的关卡、地图或角色动作，丰富游戏内容。
玩家行为预测：模拟玩家操作，分析行为模式，优化游戏设计。
AI驱动体验：开发动态剧情和AI对手，提升游戏的个性化和沉浸感。