GAMESLASHโลกที่ AI สร้าง กดบังคับแล้วภาพหน่วง? CADRE ทดลองลดดีเลย์ให้ตอบสนองไวขึ้น
โดย GameSlash
รู้จัก CADRE งานวิจัยที่ทำให้โลกจำลองจาก AI ตอบสนองต่อการควบคุมเร็วขึ้น มีภาพและเดโมจริง พร้อมข้อจำกัดที่คนสร้างเกมควรรู้
เคยเห็นเดโม AI สร้างโลกให้บังคับได้ แต่พอกดปุ่มแล้วภาพตอบสนองช้าหรือขยับไม่ทันใจไหม? สำหรับการสร้างเกม ความหน่วงระหว่างคำสั่งกับภาพสำคัญพอ ๆ กับความสวยของฉาก เพราะภาพที่ดูดีแต่ควบคุมไม่ได้ย่อมไม่สนุก
เมื่อวันที่ 22 ตุลาคม 2026 ทีมวิจัย Kyutai เปิดตัว CADRE ชุดเทคนิคสำหรับทำให้ AI จำลองภาพของโลกที่ตอบสนองต่อการควบคุมได้เร็วขึ้น ในการทดสอบของผู้วิจัย ระบบสร้างภาพต่อเนื่องได้ 20 เฟรมต่อวินาทีบนการ์ดจอ Nvidia H100 หนึ่งใบ และมีเวลาตอบสนองต่อการกระทำต่ำกว่า 230 มิลลิวินาทีในเงื่อนไขที่รายงาน
ภาพตัวอย่างมีอะไรให้ดู และ AI สร้างส่วนไหน?
ภาพแรกเปรียบเทียบการเคลื่อนไหวของมือ แขนหุ่นยนต์ และรถยนต์ระหว่างภาพจริงกับภาพที่ระบบสร้างต่อ ส่วนเดโมผู้พัฒนาเริ่มจากวิดีโอจริง 2 วินาที จากนั้นให้ AI สร้างภาพต่ออีก 4.8 วินาทีตามข้อมูลการกระทำที่ป้อนเข้า ไม่ใช่การถ่ายวิดีโอเดิมมาเปิดซ้ำ
แถวของภาพที่สองแสดงการจับวัตถุ การขยับผ้า การขับรถ และการเคลื่อนกล้องในห้อง แถว “real” เป็นภาพอ้างอิง ส่วนแถว “generated” เป็นผลที่โมเดลสร้าง นี่เป็นผลการทดลองจำลองการเคลื่อนไหวในงานวิจัย ไม่ได้หมายความว่า CADRE สร้างเกมสำเร็จทั้งเกมจากข้อความได้แล้ว
ทำไมวิธีเดิมจึงหน่วง และ CADRE แก้อะไร?
AI ที่สร้างวิดีโอจำนวนมากจะย่อภาพและรวบหลายเฟรมไว้ด้วยกันเพื่อลดการคำนวณ วิธีนี้ช่วยให้สร้างวิดีโอเป็นชุดได้ แต่ถ้ารวมข้อมูลถึง 8 เฟรมไว้ในกลุ่มเดียว ที่ 20 เฟรมต่อวินาที การกระทำแรกอาจต้องรออย่างน้อย 400 มิลลิวินาทีก่อนกลุ่มเฟรมพร้อมให้สร้างต่อ
CADRE ทดลองรูปแบบการย่อข้อมูลภาพหลายระดับ แล้วเลือกสมดุลระหว่างความคมชัด ความต่อเนื่องของการเคลื่อนไหว และความหน่วง งานวิจัยพบว่าเมื่อกล้องอยู่นิ่ง เช่น มือกำลังจับสิ่งของ การรวมเฟรมเวลาไว้หลายภาพอาจคุ้มกว่า แต่ถ้ากล้องเคลื่อนไหว เช่น ขับรถ การเก็บข้อมูลแต่ละช่วงเวลาไว้ละเอียดขึ้นกลับสำคัญกว่า (รายละเอียดในบทความวิจัย)
คนสร้างเกมด้วย AI ได้ประโยชน์อย่างไร?
ประเด็นใหญ่คือ AI World Model หรือระบบที่เรียนรู้การเปลี่ยนแปลงของโลกจากภาพและการกระทำ อาจช่วยสร้างฉากโต้ตอบและโลกทดลองที่เปลี่ยนตามการควบคุมของผู้เล่นในอนาคต งานนี้ให้ข้อมูลว่าทำอย่างไรให้ภาพตอบสนองทันมือ และมี เดโมที่ลองควบคุมได้ สำหรับศึกษาข้อแตกต่าง
แต่ต้องแยกจากเครื่องมือทำเกมสำเร็จรูปอย่าง Unity หรือ Godot: CADRE เป็นชุดโมเดลและโค้ดสำหรับการวิจัย ยังไม่ใช่ตัวช่วยที่พิมพ์คำสั่งแล้วได้เกมพร้อมเผยแพร่ และผลตัวเลขมาจาก GPU ระดับ H100 ไม่ใช่เครื่องคอมทั่วไป
ลองได้ไหม และมีเงื่อนไขอะไร?
ผู้พัฒนาเปิด เดโม, หน้าข้อมูลโมเดลและลิงก์โค้ด และโมเดลให้ศึกษา โดยโค้ดเป็น MIT แต่ไฟล์โมเดลมีข้อกำหนด CC BY-NC 4.0 และตัวเข้ารหัสภาพ DINOv3 มีใบอนุญาตแยก จึงไม่ควรนำโมเดลไปใช้ทำเกมเชิงพาณิชย์โดยไม่ตรวจสิทธิ์ก่อน
ถ้าอยากเห็นทิศทางของเกมที่ขับเคลื่อนด้วยภาพสร้างจาก AI ให้เริ่มจาก อ่านประกาศต้นทาง และลองเดโมก่อน จากนั้นค่อยดู งานวิจัย และ ข้อมูลโมเดล โดยมอง CADRE เป็นความก้าวหน้าของเทคโนโลยีเบื้องหลังโลกโต้ตอบ ไม่ใช่ตัวสร้างเกมอัตโนมัติที่พร้อมใช้สำหรับทุกคน