Umělá inteligence mění způsob, jakým vývojáři her vytvářejí mapy a prostředí. Moderní nástroje AI dokážou automaticky generovat detailní herní světy, na jejichž tvorbu dříve týmy věnovaly hodiny práce.

Místo ručního vytváření každé dlaždice nebo modelu mohou vývojáři zadat obecné pokyny nebo data a nechat AI doplnit zbytek. Například nový model „Genie 3“ od Google DeepMind dokáže na základě textového popisu (například „mlhavá horská vesnice za úsvitu“) okamžitě vytvořit plně prozkoumatelný 3D svět.

Odborníci z oboru uvádějí, že nástroje jako Recraft nyní umožňují generovat celá herní prostředí (textury, spritey, rozvržení úrovní) pouze na základě jednoduchých textových příkazů. Toto spojení AI s tradičními procedurálními metodami výrazně urychluje vývoj a otevírá nekonečné kreativní možnosti.

Tradiční vs. AI generování map

• Tradiční procedurální generování: Dřívější hry využívaly algoritmické metody PCG (procedurální generování obsahu), jako je Perlinův šum pro terén nebo pravidly řízené umisťování dlaždic, k tvorbě úrovní a map.
  Tyto techniky umožňují vytvářet rozsáhlé nebo náhodné světy – například série Diablo a No Man’s Sky nabízejí „nekonečný obsah díky dynamickému vytváření úrovní a setkání“ pomocí procedurálních algoritmů.
  Tyto metody snižují manuální práci, ale mohou vést k opakujícím se vzorům a často vyžadují ladění parametrů designéry.

• Generování řízené AI: Naopak moderní AI využívá strojové učení k tvorbě map. Generativní modely (jako GANy, difuzní sítě a transformerové „modely světa“) se učí z reálných příkladů nebo herních dat.
  Dokážou vytvářet rozmanitější a realističtější prostředí a dokonce reagovat na kreativní pokyny. Například po natrénování na reálných nebo fantazijních krajinách může AI generovat zcela nové mapy nebo terény, které tyto styly napodobují.
  Jak bylo uvedeno výše, odborníci uvádějí, že vývojáři nyní používají AI nástroje (např. Recraft) k „generování herních prvků – spriteů, textur, prostředí – pomocí jednoduchých textových příkazů“. Stručně řečeno, AI modely dokážou zachytit složité prostorové vzory a aplikovat je při tvorbě herních map.

Generativní AI techniky

AI využívá několik technik pro tvorbu herních prostředí:

• GANy (Generative Adversarial Networks): GANy jsou neuronové sítě trénované na sbírkách map nebo obrázků terénu. Dokážou vytvářet nové mapy s realistickými prvky tím, že se naučí statistiky dat.
  Výzkumy ukazují, že metody založené na GANech (např. self-attention GANy) zlepšují soudržnost úrovní zachycením dlouhodobých vzorů v 2D herních úrovních nebo výškových mapách.
  Například výzkumníci použili GANy k generování složitých 2D platforem a dokonce věrohodného 3D terénu na základě tréninku na vzorových mapách.

• Difuzní modely: Difuzní AI (například Stable Diffusion) postupně přetváří náhodný šum do strukturovaných obrazů. Tyto metody byly přizpůsobeny pro herní obsah – například textem podmíněná difuze může proměnit šumovou mapu v detailní krajinu nebo rozvržení města.
  Novější ukázky využívají 3D difuzi („DreamFusion“ styl) k tvorbě herních prvků nebo celých scén na základě pokynů, čímž vznikají bohaté textury a geometrie.

• Transformerové modely světa: Velké AI založené na transformerech dokážou generovat celé interaktivní světy. Genie 3 od DeepMind je jedním z příkladů: využívá architekturu modelu světa k interpretaci textových pokynů a v reálném čase vykresluje konzistentní 3D prostředí. Tyto modely rozumí herním prostorům a dokážou „vymýšlet“ scény za pochodu, čímž efektivně fungují jako automatizovaní návrháři úrovní pohánění pokročilou AI.

Vedoucí AI nástroje a výzkum

Genie 3 od DeepMind: DeepMind vyvinul špičkový model světa , který vytváří 3D herní prostředí na základě textu. Po zadání pokynu Genie 3 generuje rozmanitý, interaktivní svět, ve kterém se hráči mohou pohybovat plynule a rychle. Zvládá konzistentně terén, objekty i fyziku, což ukazuje, jak může AI automatizovat kompletní tvorbu světa.

Ludus AI (plugin pro Unreal Engine): Ludus AI je plugin pro Unreal Engine, který využívá generativní AI k tvorbě 3D modelů na základě textových popisů. Vývojáři tak mohou během několika sekund vytvořit složité objekty (například vozidla, nábytek nebo budovy) bez nutnosti ručního modelování. To urychluje tvorbu prvků a umožňuje rychlé iterace. Například požadavek na „rustikální dřevěný vozík“ přinese téměř okamžitě hotový 3D model.

Kromě toho několik dalších AI nástrojů a projektů formuje tvorbu herních světů:

• Recraft (generátor herních prvků AI): Podle zdrojů z oboru umožňují nástroje jako Recraft vývojářům „generovat herní prvky – spritey, textury, prostředí – pomocí jednoduchých textových příkazů“ a importovat je do enginů jako Unity nebo Godot.
  To znamená, že designér může napsat „ruiny starověkého chrámu“ a okamžitě získat textury, 3D modely a rozvržení úrovní, které může vložit do své hry.

• Promethean AI: Nástroj pro automatické sestavování scén poháněný AI, Promethean AI automaticky rozmísťuje rekvizity, osvětlení a terén do soudržných 3D scén. Řídí se stylovými pokyny a vstupy uživatele a generuje celé virtuální scény bez nutnosti ručního modelování.
  Designéři tak mohou rychle vytvořit rozsáhlé mapy (například městské náměstí nebo kobku) tím, že určí obecné rozvržení a styl a nechají AI scénu doplnit a detailně zpracovat.

• Microsoft Muse (WHAM): „Muse“ (World and Human Action Model) od Microsoft Research je generativní herní model, který dokáže vytvářet kompletní herní sekvence a vizuály. I když je zaměřený na herní akce, Muse se také učí struktuře herních světů.
  Jako model založený na transformerech ukazuje, jak může AI zachytit geometrii a dynamiku herních úrovní a v budoucnu pomáhat s generováním konzistentního obsahu světa.

• NVIDIA Omniverse & Cosmos: Platforma NVIDIA Omniverse nyní obsahuje generativní AI funkce pro tvorbu prostředí.
  Vývojáři mohou pomocí textových příkazů získávat nebo generovat 3D prvky (přes služby Omniverse NIM). Skládáním scén a renderováním syntetických dat trénují „Cosmos“ modely světa, které produkují neomezená virtuální prostředí.
  Podle NVIDIA to umožňuje vývojářům vytvářet „nespočet syntetických virtuálních prostředí“ z jednoduchých vstupů. V praxi Omniverse urychluje tvorbu rozsáhlých světů pro hry a simulace a využívá AI k doplnění detailů a realismu.

>>> Můžete se odkázat na: Bezplatný AI chat

Hlavní výhody a využití

Mapy a prostředí generované AI nabízejí několik praktických výhod:

• Rychlost a rozsah: AI dokáže během sekund vytvořit obrovské, detailní světy. Například Ludus AI generuje složité 3D prvky „během několika sekund“, zatímco ruční modelování by trvalo hodiny. To umožňuje vývojářům mnohem rychleji zaplnit herní světy.
• Rozmanitost a pestrost: Modely strojového učení přinášejí nekonečnou variabilitu. Tradiční procedurální generování už umožnilo hrám jako No Man’s Sky mít nekonečné planety; AI modely jdou dál tím, že kombinují styly, témata a příběhové prvky novými způsoby. Každá AI generovaná mapa může být unikátní, čímž se předchází stereotypům, které se někdy objevují u ručně tvořených úrovní.
• Efektivita: Automatizace tvorby map snižuje pracovní zátěž a náklady. Malé nezávislé týmy i velká studia mohou přenechat rutinní návrh úrovní AI a soustředit se na hratelnost, příběh a doladění. Odborníci uvádějí, že nástroje jako Promethean AI „ušetří nespočet hodin práce v 3D designu“ automatickým sestavováním scén, což zvyšuje produktivitu a kreativitu.
• Dynamické a adaptivní světy: Pokročilá AI dokáže dokonce upravovat prostředí v reálném čase. Výzkum zkoumá světy, které se mění za pochodu nebo reagují na akce hráče. Například AI může při každém vstupu hráče do dungeonu vygenerovat nové rozvržení nebo přetvořit terén podle vývoje příběhu. Takové „živé“ světy byly dříve možné jen s jednoduššími procedurálními triky, ale AI je činí bohatšími a soudržnějšími.

Výzvy a budoucí směřování

Přestože AI generování map slibuje mnoho, čelí také výzvám. Vysoce kvalitní generativní modely potřebují obrovské množství tréninkových dat, která jsou pro herní specifické oblasti často nedostupná.

Jak uvádí jedna studie, „vysoce výkonná generativní AI vyžaduje obrovské množství tréninkových dat“, což je obtížné shromáždit pro specializované herní žánry.

Nedostatek dat může vést k obecným nebo chybným výstupům, proto vývojáři často musí AI stále řídit a opravovat chyby. Rovněž existují otázky konzistence a hratelnosti: AI může vytvořit krásný terén, který je však zábavný jen na pohled, ale obsahuje nepřístupné oblasti nebo chybějící cíle, takže lidský dohled zůstává nezbytný.

Objevují se také právní a etické otázky. Některé platformy nyní vyžadují, aby vývojáři uváděli použití AI, a diskutuje se o otázkách autorských práv (co když se AI učila z chráněných map?). Prozatím musí herní studia vyvažovat automatizaci AI s jasným záměrem designu a kontrolou kvality.

Mapy a prostředí generované AI již mění vývoj her. Přední technologické projekty – od Google DeepMind Genie po NVIDIA Omniverse – dokazují, že celé světy lze „vymyslet“ pomocí AI na základě jednoduchých popisů.

Tato technologie slibuje rychlejší tvorbu pohlcujících světů s bezprecedentní rozmanitostí. Jak se AI modely budou dále zlepšovat, můžeme očekávat ještě realističtější a interaktivnější virtuální krajiny vytvářené za pochodu.

Pro hráče i designéry znamená budoucnost bohatší herní světy vytvářené inteligentními algoritmy, pokud budeme tuto technologii využívat moudře a kreativně.