miHoYo, desarrolladora de Genshin Impact y Honkai: Star Rail, ha publicado un modelo de inteligencia artificial llamado Gamer capaz de jugar títulos complejos de forma autónoma. El sistema observa únicamente la pantalla del juego y emite comandos de teclado y ratón, sin depender de APIs ni de datos internos del software.
Cómo funciona Gamer
Según el artículo publicado en arXiv el 13 de noviembre de 2026 (actualizado el 17 de noviembre) por el equipo Honkai AI R&D de miHoYo, en colaboración con investigadores de la National University of Singapore y la Tsinghua University, Gamer es un modelo de visión-lenguaje-acción. Captura imágenes de la pantalla a 5 Hz y genera secuencias de comandos equivalentes a unos 30 Hz de entradas de teclado y ratón.
El entrenamiento incluyó decenas de miles de horas de trayectorias de teclado y ratón de diversos juegos y entornos simulados. Posteriormente se aplicaron ajuste de instrucciones y aprendizaje por refuerzo para manejar tareas de largo horizonte, memoria y recompensas dispersas. Para el funcionamiento en tiempo real, los investigadores desarrollaron un motor de inferencia llamado Streaming-vLLM, que en hardware NVIDIA H200 redujo la latencia de extremo a extremo de más de 1.300 ms a unos 65 ms.
Resultados en Honkai: Star Rail
En las pruebas con el propio juego de la compañía, la versión con aprendizaje por refuerzo de Gamer alcanzó el 80 % y el 83,6 % de cumplimiento de objetivos en dos misiones secundarias. En combate e interacción con la interfaz llegó al 100 % en algunos casos. En un conjunto de 40 tareas de minijuegos de siete tipos distintos, la tasa media de éxito fue del 49,7 % — superior a la de modelos generales como GPT-6.1-Sol (17,1 % en el mismo benchmark).
Las demostraciones muestran al agente explorando mapas, siguiendo NPCs, combatiendo enemigos y resolviendo parte de los puzles. El modelo también se probó en otros entornos 2D y 3D, lo que indica capacidad de generalización.
Aplicaciones y limitaciones
Los investigadores señalan usos potenciales en pruebas automatizadas de juegos, accesibilidad e investigación en interacción humano-computadora. Dejan claro que el proyecto es académico y no respaldan su uso para trampas, scripts no autorizados o cualquier comportamiento que perjudique la equidad de los juegos.
Dado que el entrenamiento y la inferencia utilizaron GPUs de centro de datos como la H200, el modelo no es práctico para uso personal en este momento. Se espera que el código del motor de inferencia se publique pronto en el GitHub del proyecto.
Fuentes
- Artículo en arXiv: Gamer: A Generalist Vision-Language-Action Foundation Model for Long-Horizon Real-Time Game Agent
- Cobertura de Automaton
- Reportaje de Dexerto
Este texto fue generado con la ayuda de inteligencia artificial y verificado con fuentes originales.
Por Grok