PUBG Ally показывает, почему ИИ-напарникам нужны два мозга: быстрые рефлексы и медленное мышление

Языковая модель может рассуждать о перестрелке, но она не должна отвечать за каждое движение, корректировку прицела и мгновенную реакцию внутри неё. NVIDIA ACE и PUBG Ally от KRAFTON показывают, почему полезным ИИ-напарникам нужно больше, чем одна модель: быстрое управление игровым процессом и более медленное языковое рассуждение — это разные задачи.

Почему одна модель ИИ не должна управлять всем персонажем

Современному игровому персонажу приходится решать несколько задач в радикально разных временных масштабах.

Ему может потребоваться уклониться от препятствия за миллисекунды, отреагировать на близкую стрельбу, выполнить команду игрока, решить, стоит ли собирать лут, объяснить план на естественном языке и запомнить, что игрок просил ранее.

Попытка пропустить всё это через один цикл языковой модели создаёт несоответствие по времени. Модель хорошо справляется с семантическим рассуждением и планированием, но для управления в реальном времени часто нужна детерминированная логика, которая может реагировать каждый игровой тик.

PUBG Ally использует двухскоростную архитектуру

KRAFTON описывает PUBG Ally как ИИ-напарника для совместной игры на базе NVIDIA ACE. Система объединяет голос игрока, живое состояние матча, небольшую языковую модель и логику управления на стороне игры.

Согласно техническому разбору NVIDIA, архитектура разделяет поведенческое дерево Системы 1 и языковую модель Системы 2. Поведенческое дерево отвечает за быстрый реактивный игровой процесс, такой как движение и бой, а языковая модель — за обдуманное рассуждение, коммуникацию и координацию.

Это разделение — один из важнейших шаблонов проектирования в ИИ для игр в реальном времени, поскольку оно даёт каждой подсистеме полномочия над работой, для которой она действительно подходит.

Модель Two-Speed Game Agent

Живое состояние игры делает модель полезной

Модель PUBG Ally рассуждает не только на основе диалога. NVIDIA говорит, что игровой движок предоставляет агенту живое состояние матча через инструменты наблюдения, представленные в виде текстовых описаний.

Это важно, потому что напарнику нужно знать, что происходит сейчас: что сказал игрок, какие предметы есть поблизости, откуда исходит опасность и остаётся ли предыдущий план действительным.

Это тот же принцип надёжности, который применим к любому игровому ассистенту: общих знаний об игре недостаточно, когда правильное действие зависит от текущего состояния сессии.

Граница полномочий действий

Полезному игровому агенту в реальном времени нужна чёткая граница между тем, что может решить модель, и тем, что может фактически выполнить игровой движок.

Модель может выбрать цель, например «перейти в укрытие», «подобрать боеприпасы», «следовать за игроком» или «атаковать того врага». Затем игровой контроллер должен преобразовать это намерение в допустимые, ограниченные действия, которые подчиняются навигации, анимации, перезарядкам, физике и правилам игры.

Почему событийное рассуждение лучше постоянного опроса языковой модели

Цикл модели PUBG Ally описывается как событийный. Он может запускаться, когда игрок говорит или когда происходят соответствующие игровые события.

Это эффективнее, чем просить модель переосмысливать весь мир на каждом кадре. Большинство кадров не требуют стратегического решения.

Хорошая система триггеров вызывает языковую модель, когда важна семантика: поступает новый приказ, угроза меняет план, цель выполнена, предмет становится релевантным или текущий план терпит неудачу.

Фильтр триггеров решений

Локальный вывод меняет пространство проектирования

NVIDIA ACE разработан как вокруг локального вывода, так и вокруг облачных вариантов. Для PUBG Ally NVIDIA заявляет, что малая языковая модель работает локально на GPU игрока.

Опубликованная архитектура использует модель Mistral-NeMo-Minitron с 2 млрд параметров, рассчитанную на то, чтобы поместиться в остаток VRAM после запуска самой PUBG.

Это нетривиальное ограничение. Игровой ИИ не может просто потреблять всю доступную память или вычислительные ресурсы GPU, потому что графическая нагрузка всё ещё имеет приоритет.

Вывод ИИ теперь конкурирует с рендерингом

Это создаёт новую проблему с ресурсами для игр: графика и вывод ИИ могут использовать один и тот же графический процессор.

NVIDIA In-Game Inferencing SDK предназначен для планирования локальных моделей ИИ наряду с графическими рабочими нагрузками. Его цель — не только запускать модели, но делать это без ущерба для бюджета времени кадра игры.

Это означает, что будущие обзоры производительности, возможно, должны будут измерять не только DLSS, трассировку лучей и использование видеопамяти, но и стоимость локального вывода ИИ для NPC.

Бюджет ресурсов для игрового ИИ

Почему маленькие модели имеют смысл внутри игр

Игровому агенту не нужно знать всё, что есть в интернете. Ему нужно понимать словарь игры, текущее состояние, инструменты действий и ограниченный набор релевантных знаний.

Именно поэтому NVIDIA ACE делает акцент на маленьких моделях, оптимизированных для игрового оборудования. KRAFTON также описывает адаптацию к предметной области для PUBG Ally: модель была ограничена картой Санок и контекстом AI Duo и обучена на концепциях и использовании инструментов, специфичных для PUBG.

Меньшая специализированная модель может быть полезнее, чем гораздо более крупная универсальная модель, если её мир, инструменты и границы действий хорошо определены.

RAG и инструменты решают разные задачи

NVIDIA ACE Game Agent SDK предоставляет API Agent, Chat и RAG. Это отдельные возможности, потому что извлечение знаний и выполнение действий — не одно и то же.

RAG может предоставить обоснованные игровые знания, такие как правила предметов, данные о фракциях или механики. Инструменты показывают, что агент может наблюдать или делать в живой игре.

Агент может извлечь правильный факт и всё равно потерпеть неудачу, если у него неправильное текущее состояние или он вызывает неправильное действие. Знания, состояние и полномочия на действия — всё это требует отдельной проверки.

Что традиционные NPC всё ещё делают лучше

Агенты на основе языковых моделей не обязательно лучше справляются с каждой задачей NPC.

Скриптовая логика дешевле, проще в тестировании и более предсказуема, когда желаемое поведение уже известно. Стражнику у двери, у которого есть три фиксированных состояния, не нужен агентный цикл рассуждений.

Наиболее сильные варианты использования — это ситуации, где естественный язык, широкое планирование, контекстная адаптация или координация, специфичная для игрока, создают ценность, которую статическая логика с трудом может обеспечить.

Цикл надёжности агента

Почему естественная речь делает ошибки более убедительными

ACE может объединять автоматическое распознавание речи, языковое рассуждение и синтез речи, чтобы товарищ по команде мог слышать, действовать и говорить естественно.

Это улучшает погружение, но также повышает потребность в привязке к реальности. Уверенная произнесённая фраза, например «Я подобрал аптечку», звучит авторитетно, даже если взаимодействие с предметом не удалось.

Поэтому речь должна по возможности сообщать подтверждённое состояние, а не просто предполагаемое действие модели.

Многоязычные игровые агенты становятся практичными

NVIDIA расширила ACE в 2026 году, добавив многоязычные локальные модели для языка, распознавания речи и синтеза речи.

Обновление для разработчиков от NVIDIA за май 2026 года описывает поддержку Qwen 3.5 4B для 201 языка и диалекта, распознавание речи Riva Parakeet TDT 600M для 25 языков и голоса Chatterbox Multilingual 500M для 24 языков.

Это расширяет пространство проектирования для ИИ-компаньонов за пределы демонстраций только на английском и делает взаимодействие на местном языке реалистичной функцией продукта.

Что могло бы изменить этот ответ?

Архитектура могла бы стать более унифицированной, если будущие модели достигнут детерминированной задержки действий в пределах субкадра, оставаясь достаточно малыми для непрерывной работы рядом с графическими нагрузками. Сегодня разделение рефлекторного управления и семантического рассуждения остаётся более практичным подходом.

Специализированные нейросетевые политики управления также могут заменить некоторые традиционные функции деревьев поведения, но потребность в явных полномочиях на действия, проверке состояния и быстром выполнении сохранится.

Ограничения

PUBG Ally — это одна реализация, а не доказательство того, что каждая игра должна применять ту же архитектуру. Разные жанры имеют разные требования к задержке, детерминизму, аппаратному обеспечению и геймплею.

Публичные детали архитектуры также предоставлены в основном NVIDIA и KRAFTON. Они полезны для понимания реализованной системы, но не должны рассматриваться как независимое тестирование производительности.

Заключение

Будущее игровых агентов вряд ли будет представлять собой одну гигантскую модель, заменяющую весь стек игрового ИИ.

PUBG Ally указывает на гибридную архитектуру: языковые модели интерпретируют намерения и принимают решения высокого уровня; детерминированные контроллеры обеспечивают быстрое выполнение игровых действий; живое состояние удерживает модель в контексте; а игровой движок сохраняет власть над тем, что действительно может произойти.

Побеждает не тот агент, который думает обо всём. Побеждает тот агент, который знает, о чём ему следует думать, — и что должно оставаться в игровом цикле.

Часто задаваемые вопросы

Глоссарий

Первоисточники