MetaPatchAI home
AI

AI Bertemu Game Retro: World Model di Raspberry Pi Pico, dan Neural Network yang Dibangun di Dalam DOOM

Sumber: GitHub (SheepSeb/tinyworldformer)

Dihimpun oleh MetaPatchAI · Diterbitkan , 05.06 ET

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

30 Oktober 2026: Dua proyek hobi di halaman depan Hacker News minggu ini membalik ide umum "AI memainkan game". Yang satu menjalankan AI mungil yang memimpikan game yang bisa dimainkan di sebuah mikrokontroler. Yang lain membangun neural network yang berfungsi dari sebuah level DOOM. Keduanya open source, dan keduanya cara seru untuk memahami cara kerja model-model ini sebenarnya.

tinyworldformer: game yang dimimpikan di Pico 2 W

Proyek developer SheepSeb, tinyworldformer , menjalankan dua neural network kecil di Raspberry Pi Pico 2 W secara bersamaan:

  • Sebuah world model yang menerima frame saat ini dan sebuah aksi, lalu memprediksi frame berikutnya dan reward-nya. Dengan kata lain, ia adalah game itu sendiri.
  • Sebuah actor network yang melihat frame hasil generasi tersebut dan memilih aksi berikutnya. Dengan kata lain, ia memainkan game itu sendiri.

Menurut halaman proyeknya, di dalam chip tidak satu pun network menyentuh game aslinya: actor hanya melihat frame yang dikarang world model, dan world model hanya menerima aksi dari actor. Tekan tombol apa saja dan kendali berpindah ke kamu, jadi kamu bisa memainkan "mimpi" itu sendiri.

Proyek ini mencakup lima game kecil: Breakout, "Doom-lite" berbasis raycast, Flappy Bird, Pong, dan Pac-Man. World model-nya adalah satu blok transformer yang dipakai berulang kali (transformer "looped"), yang dipilih developer karena memakai ulang bobot menghemat memori. Di Pico, model ini menjalankan dua loop agar frame rate tetap tinggi. Bobotnya dilatih dengan mempertimbangkan kuantisasi int8 dan dikompilasi ke firmware Rust.

Tulisannya juga jujur soal kegagalan. Model Breakout awal menggambar dua bola sekaligus, dan agen yang dilatih di dalam mimpi pernah mencetak 154 poin dengan 26 bata tersisa karena world model tidak menghapus bata di sudut saat terkena. Itu masalah "mengeksploitasi simulator" yang sama dengan yang dihadapi lab besar, ditunjukkan di papan yang muat di telapak tangan.

doomformer: neural network dari voodoo doll

Proyek kedua, doomformer karya mottopanikeiku (sebuah postingan Show HN), mengompilasi neural network integer ke dalam sebuah map DOOM. "Voodoo doll" klasik DOOM mengerjakan aritmetika, sementara tingkat cahaya dan ketinggian lantai menyimpan nilainya. Demo utamanya membaca angka tulisan tangan (MNIST): sang marine berjalan membentuk sebuah angka di lantai, dan 1.355 voodoo doll di map menghitung jawabannya.

Pembuatnya mengatakan setiap nilai yang dihitung DOOM dicek terhadap referensi NumPy dengan toleransi nol. Sebuah WAD "museum" yang bisa dimainkan memakai 136 doll dan memungkinkan kamu mengubah satu koneksi di tengah permainan untuk melihat angka 7 berubah menjadi 1. Menurut proyeknya, versi self-test berjalan persis di GZDoom, LZDoom, UZDoom, dan ZDoom 2.8.1, dengan file data Freedoom yang gratis.

Kenapa gamer perlu peduli

World model seperti Genie 4 dari Google DeepMind adalah versi kelas atas dari ide tinyworldformer: AI yang menghasilkan game frame demi frame. Melihatnya dalam skala mainan membuat kompromi-kompromi itu jelas: kesalahan kecil menumpuk, dan pemain AI akan menemukan dan menyalahgunakan setiap kesalahan dalam simulasi. Doomformer murni untuk bersenang-senang, sekaligus pengingat bahwa komunitas DOOM akan menjalankan apa saja di dalam DOOM.

Yang terkonfirmasi / belum terkonfirmasi

Terkonfirmasi (dari halaman GitHub masing-masing proyek): hardware, lima game, desain dua network, dan contoh kegagalan untuk tinyworldformer; desain voodoo doll, jumlah doll, pengecekan toleransi nol, dan source port yang didukung untuk doomformer.

Belum terkonfirmasi: frame rate di Pico dan angka akurasi di luar yang dipublikasikan pembuatnya. Kami belum membangun kedua proyek ini sendiri.

Sumber

Terkait

Naik: AI