MIRA génère Rocket League multi-joueurs à 20 fps sur un B200

Un modèle de diffusion latente de cinq milliards de paramètres, entraîné sur dix mille heures de Rocket League à quatre joueurs, qui génère du gameplay interactif à vingt images par seconde sur un unique GPU Nvidia B200. C'est ce que décrit MIRA, présenté sur Hugging Face sous le titre "Multiplayer Interactive World Models with Representation Autoencoders", signé Anthony Hu et une vingtaine de coauteurs.

La nouveauté n'est pas seulement l'échelle. Les world models vidéo tenaient jusqu'ici mal la distance, avec des rollouts qui dérivaient une fois passé l'horizon d'entraînement. Les auteurs indiquent que la qualité distributionnelle se maintient jusqu'à cinq minutes, l'horizon le plus long qu'ils mesurent, et qu'ils observent des rollouts continuant pendant des heures sans s'effondrer. Le modèle conditionne sur les flux d'actions des quatre joueurs et attribue les changements de scène au bon agent, ce qui est le vrai verrou d'un simulateur neuronal multi-joueurs.

Ce qui compte pour un lecteur qui ne fait pas de recherche en world models, c'est le triple release: dataset, code complet d'entraînement et d'inférence, et une démo jouable en ligne sur le site du projet. Un studio ou une équipe RL peut reprendre le banc d'essai sans repartir de zéro, comparer un autre video codec, un autre schéma de conditionnement multi-agents, ou creuser l'étude de scaling que les auteurs esquissent, y compris ses modes d'échec persistants.

Le caveat honnête est que le papier porte sur un seul jeu avec dix mille heures de données très spécifiques. Ce que la publication ne dit pas explicitement, c'est comment MIRA se comporterait sur un autre domaine physique, quel serait le coût d'inférence par utilisateur en production, et lesquels des modes d'échec persistants deviennent visibles une fois qu'on pousse au-delà de la fenêtre de cinq minutes mesurée. Les vingt images par seconde sur un B200 par instance restent aussi une contrainte matérielle réelle pour tout déploiement grand public.

À suivre pour les équipes gameplay et les chercheurs en environnements simulés: un world model interactif quatre-joueurs qui tient plusieurs minutes en open source déplace le curseur sur ce qu'on peut prototyper sans moteur classique, et la démo est là pour être testée.