Wetenschappers hebben een compacte AI-policy ontwikkeld, genaamd Cortex, die in staat is om te navigeren in de visueel uitdagende wereld van de klassieke game Quake. Het systeem is specifiek ontworpen om te testen hoe effectief een relatief eenvoudig model kan functioneren in een first-person shooter voordat geavanceerdere technieken, zoals reinforcement learning of expliciet geheugen, noodzakelijk worden.
Volgens een wetenschappelijke publicatie op arxiv.org is het model opgebouwd als een transformer met zes lagen en bevat het ongeveer 10,98 miljoen trainbare parameters. De kern van de aanpak is 'behavioral cloning', waarbij de AI leert door menselijke gameplay te imiteren. Om dit efficiënt te doen, maakt het systeem gebruik van een 'frozen DINOv3 encoder'. Dit betekent dat de visuele kenmerken van het spel door een vaststaand systeem worden herkend, waardoor enkel de beslissingslaag, de zogenaamde policy-head, getraind hoeft te worden.
Voor de training van het model is gebruikgemaakt van een specifiek deel van het publieke Pixels2Play-corpus. Deze dataset voor Quake omvat circa 474,7 uur aan videomateriaal, verdeeld over 6.849 video's. Dit leverde ruim 17 miljoen frames op, inclusief de bijbehorende muis- en toetsenbordacties van menselijke spelers. De technische efficiëntie van het proces is aanzienlijk: een enkele trainings-epoch kost slechts 3,3 minuten op een RTX 5080 videokaart, mits de visuele kenmerken vooraf zijn geëxtraheerd.
Bij de evaluatie van het model werden tests uitgevoerd op het level Quake E1M1. Hoewel de AI het level niet volledig wist te voltooien, toonde het systeem indrukwekkende resultaten in navigatie. In elke testepisode slaagde de AI erin om cruciale locaties te bereiken, zoals de openingsdeur en de kamer met de knop. Bovendien wist het model in 19 van de 20 gevallen per batch minstens één vijand uit te schakelen. In vergelijking met andere modellen, zoals NitroGen en P2P-150M, wist Cortex in diverse scenario's dieper in het level door te dringen.
De onderzoekers stelden vast dat een hogere dichtheid van visuele tokens de overlevingskansen en het gevechtsvermogen van de AI verbeterde. Opvallend is dat een langere periode van optimalisatie niet automatisch leidde tot een superieure speelstijl.
De naam 'Cortex' is in de technologiewereld veelvoorkomend, wat leidt tot verschillende toepassingen buiten de academische sfeer. Zo is er in de financiële sector een platform van bnpparibas.com dat onder deze naam opereert als elektronische oplossing voor de handel in effecten, commodities en vreemde valuta. In de wereld van softwareontwikkeling richt cortex.io zich op het optimaliseren van AI-softwarefabrieken via hun DRIVE-framework om de productiviteit van ontwikkelaars te verhogen.
Daarnaast is de term bekend bij gamers via de consumentenmarkt. Het bedrijf razer.com biedt namelijk software aan onder de naam Razer Cortex, die specifiek is ontwikkeld om de prestaties van pc-games te optimaliseren door systeembronnen efficiënter te beheren.
Waar de commerciële varianten van Cortex zich richten op financiële transacties, softwarebeheer of hardware-optimalisatie, blijft de academische versie gefocust op de cognitieve uitdaging van visuele navigatie. De implementatie en de bijbehorende checkpoints van dit AI-model zijn publiekelijk beschikbaar gesteld om verder onderzoek naar gedragscloning in virtuele omgevingen te stimuleren.