开源5B多人世界模型MIRA：用DINOv3表征缓解长时漂移，可实时模拟《火箭联盟》2v2对抗

据动察 Beating 监测，AI 研究机构 General Intuition 联合法国 AI 实验室 Kyutai 以及 Epic Games 推出多人交互世界模型 MIRA。作为支持多人实时互动的生成式游戏模拟器，MIRA 能够在无需物理引擎、渲染引擎或显式 3D 表示参与推理的情况下，仅根据历史画面和玩家按键，实时模拟《火箭联盟》的二对二对抗。 不同于 Odyssey 等公司采用的「逻辑计算与画面渲染解耦」路线，MIRA 走的是基于视频潜在空间的生成式模拟路线。MIRA 拥有 50 亿参数，系统的核心设计是将潜在预测空间建立在冻结的通用视觉编码器 DINOv3-L 之上。借助预训练视觉特征，生成的潜在状态能够更稳定地落在有效表示空间内，从而显著缓解长时预测下的画面漂移与发散。 在多屏幕对齐上，MIRA 将四个玩家视角的潜在画面拼接为统一网格，使空间注意力机制能够自然跨视角运作，提升车辆、足球和关键事件在多个视角中的空间一致性。训练中引入的动作丢弃（Action Dropout）也帮助系统在缺少部分动作流时，补全未被指令控制车辆的游戏行为。 目前 MIRA 可在单张英伟达 B200 显卡上以每秒 20 帧实时运行。团队已开源训练与推理代码，并发布 Rocket Science 数据集，其中包含 1000 小时比赛、四视角合计约 4000 小时的视频、动作流和物理状态数据；模型完整训练则使用了约 1 万小时的干净对局数据。

「查看原文」