论文导读
Learning to Simulate Dynamic Environments with GameGAN
首个 arXiv 版本： · CVPR 2020
利用生成对抗网络，从游戏画面和键盘动作中学习可交互的视觉游戏模拟器。
研究贡献与问题设置
引入记忆模块，在重访场景位置时保留信息，并分离图像中的静态与动态成分，以维持视觉一致性和重组场景成分。
- 模型输出
- 下一帧游戏画面。
- 动作接口
- 以键盘动作表示的游戏控制输入。
- 状态与记忆
- 循环动态模型与外部记忆模块结合，后者存储内部环境地图。
与 NeuralOS 的联系
NeuralOS 在相关工作中讨论的早期交互式神经模拟器。
适用范围与限制
模拟器从录制的游戏数据中学习，并以空间地图组织记忆。
相关术语：GameGAN、神经游戏引擎、交互式仿真、视觉记忆
引用这篇论文
arXiv 预印本
请引用实际使用的版本。