La Historia del Aprendizaje Automático en Trackmania

La Historia del Aprendizaje Automático en Trackmania

Trackmania es considerado el juego de carreras más competitivo del mundo, y en este artículo se narra la historia del aprendizaje automático en Trackmania, comenzando con el objetivo de entrenar una red neuronal para lograr un rendimiento sobrehumano. El juego, creado por Nadeo y lanzado por Ubisoft en 2020, permite a los jugadores conducir un coche a través de un número fijo de puntos de control, buscando completar el recorrido en el menor tiempo posible. Uno de los eventos más destacados es la ‘Cup of the Day’ (CotD), donde miles de jugadores tienen quince minutos para aprender un mapa y registrar su mejor tiempo. Este formato pone a prueba la habilidad de los jugadores en tres áreas clave: descubrimiento, optimización y consistencia.

El objetivo de este proyecto es desarrollar un programa que pueda ganar la fase de clasificación y cada ronda de la División 1 de la CotD sin experiencia previa en el mapa. Sin embargo, el aprendizaje automático actual requiere enormes cantidades de datos y potencia de procesamiento, lo que plantea un desafío para los aficionados que desean implementar estas técnicas en computadoras personales. A diferencia de proyectos anteriores, como HATETRIS, donde se necesitaban evaluar miles de millones de movimientos, este enfoque se centra en aprender a jugar como lo haría un humano, pero en un tiempo limitado y con recursos limitados.

Desde 2024, varios desarrolladores han intentado crear programas que jueguen a Trackmania de forma autónoma. Uno de los primeros fue Rottaca, quien en 2017 utilizó aprendizaje supervisado para entrenar una red neuronal con ejemplos de conducción. Posteriormente, Yann Bouteiller y Edouard Geze desarrollaron TMRL, un sistema de aprendizaje no supervisado, que mejoró la capacidad del programa para aprender sin intervención humana. A medida que otros desarrolladores, como Laurens Neinders y Andrej GobeX, hicieron mejoras significativas, se demostró que los programas podían aprender a planificar y optimizar su conducción, aunque todavía quedaba un camino por recorrer para alcanzar un rendimiento sobrehumano.

PedroAI, otro competidor, buscó crear un programa que pudiera jugar en múltiples mapas simultáneamente utilizando aprendizaje profundo, logrando resultados mixtos pero prometedores. Bluemax666 y Yosh también realizaron contribuciones importantes, cada uno con enfoques diferentes que llevaron a sus programas a niveles competitivos. Finalmente, el proyecto Linesight se destacó a principios de 2024 al alcanzar un tiempo notable en un mapa muy complicado, demostrando que el aprendizaje por refuerzo puede lograr un rendimiento casi profesional.

A medida que este proyecto avanza, los autores se proponen establecer metas ambiciosas, buscando no solo competir, sino también innovar en el campo del aprendizaje automático aplicado a los videojuegos de carreras. Aunque son conscientes de que sus objetivos pueden parecer exagerados, consideran que tener grandes aspiraciones es esencial para mantener la motivación y evitar la monotonía en el desarrollo del proyecto.

La historia del aprendizaje automático en Trackmania busca desarrollar un programa que logre un rendimiento sobrehumano en el juego.

Fuente: Hallofdreams.org | URL