KI trifft Retro-Games: ein Weltmodell auf dem Raspberry Pi Pico und ein neuronales Netz, gebaut in DOOM
Quelle: GitHub (SheepSeb/tinyworldformer)
30. Oktober 2026: Zwei Hobbyprojekte auf der Startseite von Hacker News drehen diese Woche die übliche Idee „KI spielt Spiele“ um. Eines davon: Eine winzige KI erträumt spielbare Spiele auf einem Mikrocontroller. Das andere baut ein funktionierendes neuronales Netz aus einem DOOM-Level. Beide sind Open Source, und beide sind eine unterhaltsame Möglichkeit zu verstehen, wie diese Modelle tatsächlich funktionieren.
tinyworldformer: Spiele, erträumt auf einem Pico 2 W
Das Projekt tinyworldformer von Entwickler SheepSeb lässt zwei kleine neuronale Netze gleichzeitig auf einem Raspberry Pi Pico 2 W laufen:
- Ein Weltmodell – es erhält den aktuellen Frame und eine Aktion und sagt den nächsten Frame sowie die Belohnung voraus. Mit anderen Worten: Es ist das Spiel.
- Ein Actor – ein Netz, das die erzeugten Frames betrachtet und die nächste Aktion wählt. Mit anderen Worten: Es spielt das Spiel.
Laut Projektseite berührt auf dem Chip keines der beiden Netze jemals das echte Spiel: Der Actor sieht nur Frames, die das Weltmodell erfindet, und das Weltmodell bekommt nur Aktionen vom Actor. Drück eine beliebige Taste, und die Steuerung geht an dich – so kannst du den „Traum“ selbst spielen.
Das Projekt umfasst fünf kleine Spiele: Breakout, ein per Raycasting gerendertes „Doom-lite“, Flappy Bird, Pong und Pac-Man. Das Weltmodell ist ein einzelner Transformer-Block, der wiederholt angewendet wird (ein „geloopter“ Transformer); der Entwickler wählte ihn, weil wiederverwendete Gewichte Speicher sparen. Auf dem Pico laufen zwei Schleifen, um die Bildrate hochzuhalten. Die Gewichte werden mit Blick auf int8-Quantisierung trainiert und in Rust-Firmware kompiliert.
Die Beschreibung ist auch ehrlich, was Fehler angeht. Ein frühes Breakout-Modell zeichnete zwei Bälle gleichzeitig, und ein im Traum trainierter Agent erzielte einmal 154 Punkte bei 26 verbleibenden Steinen, weil das Weltmodell getroffene Ecksteine nicht entfernte. Das ist dasselbe „Simulator ausnutzen“-Problem, mit dem große Labore kämpfen – gezeigt auf einer Platine, die in die Handfläche passt.
doomformer: ein neuronales Netz aus Voodoo-Puppen
Das zweite Projekt, doomformer von mottopanikeiku (ein Show-HN-Beitrag), kompiliert ein ganzzahliges neuronales Netz in eine DOOM-Map. Klassische DOOM-„Voodoo-Puppen“ übernehmen die Rechenarbeit, Lichtstufen und Bodenhöhen speichern die Werte. Die Haupt-Demo liest handgeschriebene Ziffern (MNIST): Der Marine läuft die Form einer Ziffer auf dem Boden ab, und 1.355 Voodoo-Puppen in der Map berechnen die Antwort.
Laut Autor wird jeder von DOOM berechnete Wert mit null Toleranz gegen eine NumPy-Referenz geprüft. Ein spielbares „Museums“-WAD nutzt 136 Puppen und lässt dich mitten im Spiel eine Verbindung umverdrahten, um zuzusehen, wie aus einer 7 eine 1 wird. Laut Projekt läuft eine Selbsttest-Version exakt in GZDoom, LZDoom, UZDoom und ZDoom 2.8.1, mit den kostenlosen Freedoom-Datendateien.
Warum das Gamer interessieren sollte
Weltmodelle wie Genie 4 von Google DeepMind sind die High-End-Version der Idee hinter tinyworldformer: eine KI, die das Spiel Frame für Frame erzeugt. Im Spielzeugmaßstab werden die Kompromisse offensichtlich: Kleine Fehler summieren sich, und ein KI-Spieler findet und missbraucht jeden Fehler der Simulation. Doomformer ist purer Spaß – und eine Erinnerung daran, dass die DOOM-Community alles in DOOM laufen lässt.
Was bestätigt ist / was nicht
Bestätigt (laut GitHub-Seite des jeweiligen Projekts): die Hardware, die fünf Spiele, das Zwei-Netz-Design und die Fehlerbeispiele bei tinyworldformer; das Voodoo-Puppen-Design, die Puppenzahlen, die Prüfungen mit null Toleranz und die unterstützten Source Ports bei doomformer.
Nicht bestätigt: Bildraten auf dem Pico und Genauigkeitswerte über das hinaus, was die Autoren veröffentlichen. Wir haben keines der beiden Projekte selbst nachgebaut.
Quellen
- SheepSeb, tinyworldformer (GitHub): https://github.com/SheepSeb/tinyworldformer
- mottopanikeiku, doomformer (GitHub): https://github.com/mottopanikeiku/doomformer
- Verwandt: Google DeepMind, Ankündigung von Genie 4 (27. Oktober 2026): https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
Ähnliche Artikel
Nach oben: KI