La ejecución completa del entrenamiento requirió 42.382 fotogramas en escala de grises en más de 1.000 ejecuciones cortas, utilizando un guardado en el laboratorio del Profesor Oak. Los datos incluyeron rutas programadas, esas mismas rutas con pulsaciones aleatorias mezcladas y vagabundeo aleatorio. Esta última parte es necesaria porque un modelo entrenado solo con ejecuciones limpias “podría ver que se presiona A cada vez que aparece un cuadro de diálogo y nunca aprender qué hace B allí”, dijo stmonty. El modelo fue entrenado desde cero para el proyecto.

Los planes se desarrollan con 14 pulsaciones de botones y se intentan en el modelo, no en el juego. Cada ronda tiene 512 muestras de planes donde la búsqueda conserva uno de cada ocho, o 64. Esto continúa hasta que el plan final es el que se ejecuta en el emulador del juego. Stmonty hipotetiza que una causa posible del fallo, que dejó al jugador sin un Pokémon, es que los errores pequeños se acumulan cuando las predicciones se basan en las propias predicciones del modelo.

El siguiente intento, tras algunos ajustes, resultó ser un éxito y el modelo seleccionó a Squirtle. Luego, en más de 100 ejecuciones desde el mismo guardado, hubo 52 planes que consiguieron un inicial, en comparación con cero para las pulsaciones aleatorias y solo uno con un modelo no entrenado. Stmonty afirmó que presionar A repetidamente ya funciona desde el guardado; el objetivo era que el modelo descubriera la solución por sí mismo. Este es todavía un resultado modesto, pero demuestra que los modelos pequeños pueden adaptarse a tareas específicas.

El próximo objetivo, que el desarrollador “aún podría intentar”, es comenzar en el laboratorio, caminar hacia el Profesor, pasar el diálogo y luego elegir realmente un Pokémon. “Sospecho que la dificultad escala exponencialmente con la longitud del plan”, dijo el desarrollador. Hacer que el modelo sea lo suficientemente grande probablemente no llevaría a superar el juego: “No creo que simplemente hacer mi modelo actual más grande nos lleve allí”, afirmó el desarrollador en una respuesta.

El enfoque de modelo pequeño para jugar a Pokémon Red es uno de muchos en las últimas semanas, con al menos dos intentos separados y exitosos para superar el juego utilizando el modelo de decisión Jev y un arnés o código personalizado. Sin embargo, esos utilizan enfoques más sofisticados, mientras que los modelos pequeños siguen siendo una opción realista para los aficionados. El código del proyecto es de código abierto y está disponible en GitHub como lePokeRed, recomendando una GPU CUDA.

Fuente:
TomsHardware