AI×レトロゲーム：Raspberry Pi Picoで動くワールドモデルと、DOOMの中に作られたニューラルネットワーク

出典：GitHub (SheepSeb/tinyworldformer)

MetaPatchAI編集部まとめ · 公開 2026年10月30日、5:06（ET）

2026年10月30日：今週Hacker Newsのトップページに載った2つの趣味のプロジェクトは、おなじみの「AIがゲームをプレイする」という発想をひっくり返しています。1つは、小さなAIがマイコン上でプレイ可能なゲームを夢見るもの。もう1つは、動作するニューラルネットワークをDOOMのレベルを材料に組み上げたものです。どちらもオープンソースで、こうしたモデルが実際にどう動いているのかを楽しく理解できます。

tinyworldformer：Pico 2 Wで夢見るゲーム

開発者SheepSebのtinyworldformerは、2つの小さなニューラルネットワークをRaspberry Pi Pico 2 W上で同時に動かします：

• ワールドモデル：現在のフレームと行動を受け取り、次のフレームと報酬を予測します。言い換えれば、これがゲームそのものです。
• アクターネットワーク：生成されたフレームを見て次の行動を選びます。言い換えれば、こちらはゲームをプレイする側です。

プロジェクトページによると、チップ上ではどちらのネットワークも実際のゲームには一切触れません。アクターが見るのはワールドモデルが作り出したフレームだけで、ワールドモデルが受け取るのはアクターの行動だけです。いずれかのボタンを押すと操作が自分に切り替わり、その「夢」を自分でプレイできます。

このプロジェクトには5つの小さなゲームが含まれます：Breakout、レイキャストによる「Doom-lite」、Flappy Bird、Pong、パックマン。ワールドモデルは1つのTransformerブロックを繰り返し適用する構成（「ループ型」Transformer）で、重みを再利用するとメモリを節約できるため開発者が採用しました。Pico上ではフレームレートを保つために2回ループさせています。重みはint8量子化を前提に学習され、Rustのファームウェアにコンパイルされています。

解説は失敗例についても率直です。初期のBreakoutモデルはボールを2つ同時に描いてしまい、夢の中で学習したエージェントは、ワールドモデルが角のブロックを当たっても消さなかったせいで、26個のブロックを残したまま154点を取ったことがありました。大手の研究所も直面する「シミュレーターの穴を突く」問題が、手のひらに乗るボードの上で再現されたわけです。

doomformer：ブードゥー人形でできたニューラルネットワーク

2つ目のプロジェクト、doomformer（mottopanikeikuによるShow HN投稿）は、整数ニューラルネットワークをDOOMのマップにコンパイルします。DOOMでおなじみの「ブードゥー人形」が演算を担い、明るさのレベルと床の高さが値を保持します。目玉のデモは手書き数字（MNIST）の読み取りで、マリーンが床の上で数字の形をなぞると、マップ内の1,355体のブードゥー人形が答えを計算します。

作者によると、DOOMが計算するすべての値はNumPyによる参照値と許容誤差ゼロで照合されています。プレイ可能な「博物館」WADは136体の人形を使い、ゲーム中に接続を1本つなぎ替えて7が1に変わる様子を見られます。プロジェクトによると、セルフテスト版は無料のFreedoomデータファイルを使い、GZDoom、LZDoom、UZDoom、ZDoom 2.8.1で正確に動作します。

ゲーマーが注目すべき理由

Google DeepMindのGenie 4のようなワールドモデルは、tinyworldformerのアイデアのハイエンド版です。つまり、ゲームを1フレームずつ生成するAIです。おもちゃの規模で見ると、トレードオフがよくわかります。小さな誤差は積み重なり、AIプレイヤーはシミュレーションのあらゆるミスを見つけて悪用します。doomformerは純粋に楽しいプロジェクトで、DOOMコミュニティは何でもDOOMの中で動かしてしまう、ということを改めて思い出させてくれます。

確認済み／未確認の情報

確認済み（各プロジェクトのGitHubページより）：tinyworldformerのハードウェア、5つのゲーム、2つのネットワーク構成、失敗例。doomformerのブードゥー人形による設計、人形の数、許容誤差ゼロでの照合、対応するソースポート。

未確認：Pico上でのフレームレートと、作者が公開している以上の精度の数値。当サイトではどちらのプロジェクトも自分たちで組み立てていません。

出典

• SheepSeb、tinyworldformer（GitHub）：https://github.com/SheepSeb/tinyworldformer
• mottopanikeiku、doomformer（GitHub）：https://github.com/mottopanikeiku/doomformer
• 関連：Google DeepMind、Genie 4の発表（2026年10月27日）：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/

関連記事

上へ：AI