AI और रेट्रो गेम्स: Raspberry Pi Pico पर वर्ल्ड मॉडल, और DOOM के अंदर बना न्यूरल नेटवर्क

स्रोत: GitHub (SheepSeb/tinyworldformer)

MetaPatchAI द्वारा संकलित · प्रकाशित 30 अक्टूबर 2026, पूर्वाह्न 5:06 ET

AI Meets Retro Games: A World Model on a Raspberry Pi Pico, and a Neural Network Built Inside DOOM

30 अक्टूबर 2026: इस हफ़्ते Hacker News के फ़्रंट पेज पर आए दो हॉबी प्रोजेक्ट "AI गेम खेलता है" वाले आम विचार को उलट देते हैं। एक में एक छोटी-सी AI सपने में रचती है माइक्रोकंट्रोलर पर खेलने लायक गेम। दूसरा DOOM के एक लेवल से एक काम करने वाला न्यूरल नेटवर्क बनाता है। दोनों ओपन सोर्स हैं, और दोनों यह समझने का मज़ेदार तरीका हैं कि ये मॉडल असल में कैसे काम करते हैं।

tinyworldformer: Pico 2 W पर सपने में बने गेम

डेवलपर SheepSeb का tinyworldformer एक साथ दो छोटे न्यूरल नेटवर्क चलाता है, एक Raspberry Pi Pico 2 W पर:

एक वर्ल्ड मॉडल जो मौजूदा फ़्रेम और एक एक्शन लेता है, और अगला फ़्रेम व रिवॉर्ड का अनुमान लगाता है। यानी यह खुद गेम है।
एक एक्टर नेटवर्क जो बनाए गए फ़्रेम देखता है और अगला एक्शन चुनता है। यानी यह गेम खेलता है।

प्रोजेक्ट पेज के अनुसार चिप पर कोई भी नेटवर्क असली गेम को कभी नहीं छूता: एक्टर सिर्फ़ वही फ़्रेम देखता है जो वर्ल्ड मॉडल गढ़ता है, और वर्ल्ड मॉडल को सिर्फ़ एक्टर से एक्शन मिलते हैं। कोई भी बटन दबाएँ और कंट्रोल आपके पास आ जाता है, ताकि आप उस "सपने" को खुद खेल सकें।

प्रोजेक्ट में पाँच छोटे गेम हैं: Breakout, रेकास्ट वाला "Doom-lite," Flappy Bird, Pong और Pac-Man। वर्ल्ड मॉडल एक ही ट्रांसफ़ॉर्मर ब्लॉक है जिसे बार-बार लगाया जाता है (एक "लूप्ड" ट्रांसफ़ॉर्मर), जिसे डेवलपर ने इसलिए चुना क्योंकि वेट दोबारा इस्तेमाल करने से मेमोरी बचती है। Pico पर फ़्रेम रेट बनाए रखने के लिए यह दो लूप चलाता है। वेट int8 क्वांटाइज़ेशन को ध्यान में रखकर ट्रेन किए जाते हैं और Rust फ़र्मवेयर में कंपाइल किए जाते हैं।

राइट-अप नाकामियों के बारे में भी ईमानदार है। एक शुरुआती Breakout मॉडल एक साथ दो गेंदें बना देता था, और सपने के अंदर ट्रेन हुए एक एजेंट ने एक बार 26 ईंटें बाकी रहते 154 पॉइंट बना लिए, क्योंकि वर्ल्ड मॉडल कोने की ईंटें लगने पर उन्हें हटाता नहीं था। यह वही "सिम्युलेटर का फ़ायदा उठाने" वाली समस्या है जिससे बड़ी लैब जूझती हैं, बस हथेली पर आ जाने वाले बोर्ड पर।

doomformer: वूडू डॉल्स से बना न्यूरल नेटवर्क

दूसरा प्रोजेक्ट, doomformer (mottopanikeiku का, एक Show HN पोस्ट), एक इंटीजर न्यूरल नेटवर्क को एक DOOM मैप में कंपाइल करता है। क्लासिक DOOM "वूडू डॉल्स" गणित करती हैं, और लाइट लेवल व फ़्लोर की ऊँचाई वैल्यू रखती हैं। मुख्य डेमो हाथ से लिखे अंक (MNIST) पढ़ता है: मरीन फ़र्श पर किसी अंक का आकार बनाते हुए चलता है, और मैप में मौजूद 1,355 वूडू डॉल्स जवाब निकालती हैं।

लेखक के अनुसार DOOM की हर कैलकुलेट की गई वैल्यू को NumPy रेफ़रेंस से ज़ीरो टॉलरेंस के साथ जाँचा जाता है। एक खेलने लायक "म्यूज़ियम" WAD में 136 डॉल्स हैं और आप गेम के बीच एक कनेक्शन बदलकर 7 को 1 में बदलते देख सकते हैं। प्रोजेक्ट के अनुसार एक सेल्फ़-टेस्ट वर्ज़न मुफ़्त Freedoom डेटा फ़ाइलों के साथ GZDoom, LZDoom, UZDoom और ZDoom 2.8.1 में बिल्कुल सटीक चलता है।

गेमर्स को क्यों परवाह करनी चाहिए

Google DeepMind के Genie 4 जैसे वर्ल्ड मॉडल tinyworldformer के विचार का हाई-एंड रूप हैं: एक AI जो गेम को फ़्रेम-दर-फ़्रेम बनाती है। इसे खिलौने के पैमाने पर देखने से समझौते साफ़ हो जाते हैं: छोटी ग़लतियाँ जुड़ती जाती हैं, और AI खिलाड़ी सिम्युलेशन की हर ग़लती ढूँढकर उसका फ़ायदा उठाएगा। Doomformer पूरी तरह मज़े के लिए है, और यह याद दिलाता है कि DOOM कम्युनिटी DOOM के अंदर कुछ भी चला देगी।

क्या पुष्ट है / क्या नहीं

पुष्टि (हर प्रोजेक्ट के GitHub पेज से): tinyworldformer का हार्डवेयर, पाँच गेम, दो-नेटवर्क डिज़ाइन और नाकामी के उदाहरण; doomformer का वूडू-डॉल डिज़ाइन, डॉल्स की संख्या, ज़ीरो-टॉलरेंस जाँच और सपोर्ट किए गए सोर्स पोर्ट।

पुष्टि नहीं हुई: Pico पर फ़्रेम रेट और लेखकों के प्रकाशित आँकड़ों से आगे की सटीकता। हमने दोनों में से कोई प्रोजेक्ट खुद नहीं बनाया।

स्रोत

SheepSeb, tinyworldformer (GitHub): https://github.com/SheepSeb/tinyworldformer
mottopanikeiku, doomformer (GitHub): https://github.com/mottopanikeiku/doomformer
संबंधित: Google DeepMind, Genie 4 की घोषणा (27 अक्टूबर 2026): https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/