Modelo de mundo multiagente MIRA de código aberto 5B: usando representação DINOv3 para mitigar deriva de longo prazo, pode simular em tempo real partidas 2v2 de "Rocket League"

De acordo com o monitoramento do "Dongcha Beating", o instituto de pesquisa de IA General Intuition, em parceria com o laboratório francês de IA Kyutai e a Epic Games, lançou o modelo de mundo interativo multijogador MIRA. Como um simulador de jogos generativo que suporta interação em tempo real entre múltiplos jogadores, o MIRA é capaz de simular partidas dois contra dois do Rocket League em tempo real, sem a necessidade de motores físicos, motores de renderização ou representações 3D explícitas para o raciocínio, baseando-se apenas em quadros históricos e nas teclas pressionadas pelos jogadores.

Diferente da abordagem de "desacoplamento entre lógica computacional e renderização de quadros" adotada por empresas como a Odyssey, o MIRA segue uma rota de simulação generativa baseada em espaço latente de vídeo. O MIRA possui 5 bilhões de parâmetros, e o design central do sistema é construir o espaço de previsão latente sobre o codificador visual congelado DINOv3-L. Graças às características visuais pré-treinadas, os estados latentes gerados podem se situar de forma mais estável dentro do espaço de representação válido, aliviando significativamente o desvio e a divergência de quadros em previsões de longo prazo.

No alinhamento de múltiplas telas, o MIRA concatena os quadros latentes das quatro perspectivas dos jogadores em uma grade unificada, permitindo que o mecanismo de atenção espacial opere naturalmente entre as perspectivas, melhorando a consistência espacial de veículos, bolas e eventos-chave em múltiplos ângulos. O "Action Dropout" introduzido durante o treinamento também ajuda o sistema a preencher o comportamento de jogo de veículos não controlados por comandos quando parte do fluxo de ações está ausente.

Atualmente, o MIRA pode operar em tempo real a 20 quadros por segundo em uma única placa de vídeo NVIDIA B200. A equipe já disponibilizou o código de treinamento e inferência como código aberto, e publicou o conjunto de dados Rocket Science, que contém 1000 horas de partidas, totalizando aproximadamente 4000 horas de vídeo, fluxos de ação e dados de estado físico de quatro perspectivas; o treinamento completo do modelo utilizou cerca de 10.000 horas de dados de partidas limpas.