Roblox が Cube 3D を発表: テキストプロンプトから 3D オブジェクトとシーンを生成するオープンソース AI

オンラインゲームプラットフォームとゲーム開発システム ROBLOX テキストプロンプトから 3D オブジェクトと環境を生成するように設計された AI モデルである Cube 3D のリリースとオープンソースとしての提供を発表しました。 

Cube 3D は、高度なシーン生成ツールなど、Roblox が将来開発する予定の多くの AI ツールの基盤として機能します。時間の経過とともに、テキスト、画像、ビデオ、その他の入力形式を組み込んだマルチモーダル モデルに進化し、Roblox の既存の AI 作成ツールと統合されます。AI モデルは、テキストの説明から直接 3D モデルと環境を生成でき、将来的には画像からも生成できるようになります。 

真に没入感のある 3D ワールドを作成するには、車で乗り入れるガレージ、座るスタンド、勝利レーンの表彰台など、完全に機能する構造物を設計することが不可欠です。これを実現するために、Roblox は、テキスト トークンでトレーニングして次のトークンを予測し、文章を形成する高度なモデルからインスピレーションを得ました。このイノベーションは、この同じ原理に基づいています。Roblox は、3D オブジェクトをトークン化して形状をトークンとして認識する機能を開発し、Cube 3D が次の形状トークンを予測して完全な 3D オブジェクトを構築するようにトレーニングしました。完全なシーン生成に拡張すると、Cube 3D はレイアウトを予測し、そのレイアウトを完成させるために形状を再帰的に予測します。ユーザーは、特定のニーズに合わせて、独自のデータを使用して Cube 3D を微調整、プラグインの開発、またはトレーニングできます。

Roblox が 3D トークン化でオブジェクト作成を革新 

主な技術的課題は、テキストと画像を 3D 形状にリンクすることでした。重要なイノベーションは 3D トークン化です。これにより、プラットフォームは、テキストをトークンとして表現するのと同様に、3D オブジェクトをトークンとして表現できます。これにより、言語モデルが文中の次の単語を予測するのと同じように、Roblox は次の形状を予測できます。

3D 生成を実現するために、Roblox は、単一のオブジェクトの生成、形状の完成、複数のオブジェクトまたはシーンのレイアウトの設計を含む、自己回帰生成の統合アーキテクチャを開発しました。自己回帰トランスフォーマーは、以前の入力を使用して次のコンポーネントを予測するニューラル ネットワークです。このアーキテクチャは、スケーラビリティとマルチモーダル互換性の両方をサポートしており、モデルがさまざまな種類の入力 (テキスト、ビジュアル、オーディオ、3D) を処理できます。Roblox はこのモデルをオープンソース化しており、この初期段階では、作成者はテキスト プロンプトから 3D オブジェクトを生成できるようになります。将来的には、作成者が複数の入力タイプを使用してシーン全体を生成できるようにすることを目指しています。

生成的事前学習済みトランスフォーマーの学習用（GPT) の形状作成に、Roblox は個別の 3D 形状トークンを使用し、それをテキスト プロンプトに合わせます。この斬新なアプローチにより、将来的には完全にプレイ可能な 3D シーンを作成できるようになります。

Roblox は、ユーザーが他のユーザーが作成したゲームを設計、開発、プレイできるオンライン ゲーム プラットフォームおよびゲーム作成システムです。シンプルなゲームから複雑な仮想世界まで、個人がインタラクティブな 3D エクスペリエンスを作成して共有できる広大な仮想環境を提供します。