開源 5B 人類世界模型 MIRA：利用 DINOv3 表徵來緩解長尾漂移，實現「火箭聯盟」2v2 對決的即時模擬

AI研究機構General Intuition與法國AI實驗室Kyutai及Epic Games合作，推出了多人互動式世界模型MIRA。作為一款支援多人即時互動的生成式遊戲模擬器，MIRA僅憑歷史畫面幀與玩家輸入，即可即時模擬《Rocket League》中的2v2對戰，無需物理引擎、渲染引擎或明確的3D表示。 相較於Odyssey等公司所採用的「邏輯運算與圖形渲染解耦」路徑，MIRA則基於視訊潛在空間（video latent space）走一條生成式模擬路線。MIRA擁有50億參數，其核心設計是在凍結的通用視覺編碼器DINOv3-L之上構建潛在預測空間。藉助預訓練的視覺特徵，所生成的潛在狀態能更穩定地落於有效的表徵空間內，大幅緩解長期預測中常見的視覺漂移（visual drift）與發散（divergence）問題。 針對多螢幕對齊，MIRA將四名玩家視角的潛在畫面幀拼接成統一網格，使空間注意力機制得以自然跨越不同視角運作，從而提升車輛、足球及關鍵事件在多視角下的空間一致性。訓練過程中引入的Action Dropout機制，亦有助於系統在部分動作串流遺失時，補全未經指令直接控制之車輛的遊戲行為。 目前，MIRA可在單張NVIDIA B200顯示卡上以每秒20幀（20 fps）的速度即時運行。團隊已將訓練與推論程式碼開源，並發布「Rocket Science」資料集，其中包含1000小時的比賽錄影、約4000小時的多角度影片、動作串流及物理狀態資料；該模型則使用約10,000小時的乾淨比賽資料進行訓練。 [Vision One]