我构建了一个无代码工具,通过观察你的操作学会玩任何2D游戏
摘要
DeepEpoch是一个无代码桌面应用,通过行为克隆观察用户操作来学习玩2D游戏,并支持人在回路中微调。
我一直在开发一个名为DeepEpoch的桌面应用,最近终于把它发布到了Microsoft Store上。其理念是:你无需编写游戏脚本或训练代码,只需亲自玩游戏。该应用会同时录制你的屏幕和按键输入,通过行为克隆训练一个模型来模仿你的操作。之后你可以观察它的表现——当它出错时,你只需接管片刻,它就会记录你的纠正并继续学习。这是一种人在回路的微调方式,完全无需代码。目前这一领域的大多数方案要么是需要自行搭建的研究仓库,要么是只会重复点击的简陋宏录制器。而我想做出中间态:真正的模仿学习,同时让不想碰Python的人也能使用。你可以选择在本地(如果有GPU)或云端进行训练。这个工具还处于早期阶段,有些地方尚显粗糙,但核心循环已经能运作。我真心好奇大家的看法——特别是这种“通过玩游戏来教导AI”的方式是否合理,或者你们认为它可能在哪些方面失效。链接在评论区。
相似文章
@N3sOnline: 使用了 @mattpocockuk 的 /teach 技能,并让它访问一个国际象棋引擎和API来获取我最近的所有对局。现在它……
一位用户演示了如何利用自定义AI技能,结合国际象棋引擎和游戏API来获取近期对局,进行分析,并生成带有交互式视觉和谜题的个性化课程。
@Rayko_wang: 现在你可以使用Seedance 2.0和GPT Image 2真正制作一个可玩的游戏了。不再是静态的AI视频,而是真正的游戏...
名为Reelquest的新演示利用Seedance 2.0和GPT Image 2创建了一个完全交互式、可玩的游戏,其中每一帧都根据用户操作由AI生成,无需编码或游戏引擎。
@gary_wu23: 介绍 Instaplay:创造或游玩任何内容 世界正烧掉数万亿美元在AI上让我们更高效——几乎没…
介绍 Instaplay,一个由AI驱动的平台,让任何人都能创建和游玩游戏。已有超过10万用户使用它,从多人丧尸FPS战役到互动课堂教案,用途广泛。
将任意图像转化为可玩游戏的深度神经网络!全部在消费级GPU上运行,而非数据中心
作者介绍了一个小型基于Transformer的神经网络,从零开始训练,能够将任意图像转化为可玩游戏,在RTX 5090等消费级GPU上实时运行。该模型使用自回归解码和KV缓存,但目前存在运动和上下文问题。
我打造了一个象棋教练,它像特级大师一样解释走法,而不是显示引擎线路——由LLM驱动
一个象棋教练工具,使用LLM像特级大师一样用自然语言解释走法,用上下文的教练叙述取代原始的引擎评估。它通过本地的Stockfish分析来自Chess.com和Lichess的用户对局,检测重复出现的错误,并提供个性化聊天和对失误的间隔重复训练。