Roblox हायब्रिड आर्किटेक्चर सादर करत आहोत: फोटोरियालिस्टिक, मल्टीप्लेअर गेमिंगचे लोकशाहीकरण

आज आम्ही Roblox Reality नावाच्या अंतर्गत प्रकल्पाबद्दल तांत्रिक अंतर्दृष्टी शेअर करत आहोत, ज्याद्वारे हायपरस्केल मल्टीप्लेअर गेमिंगला फोटोरीलिझमशी एकत्र केले जाईल. आम्हाला विश्वास आहे की मल्टीप्लेअर इमर्सिव्ह जग कसे तयार केले जातील आणि अनुभवले जातील यामध्ये हा एक मूलभूत बदल आहे. या वर्षाच्या उत्तरार्धात किंवा पुढील वर्षाच्या सुरुवातीला लवकर आवृत्तीत उपलब्ध, Roblox Reality ही आमच्या वितरित गेम इंजिनच्या संरचित सिम्युलेशनसह एज-आधारित व्हिडिओ वर्ल्ड मॉडेल्सचे सुपरसॅम्पलिंगसाठी संयोजन करणारी एक हायब्रिड आर्किटेक्चर आहे. ही आर्किटेक्चर सर्व आकारांच्या निर्मात्यांना पारंपारिक स्थिरता आणि संरचनेवर अभूतपूर्व दृश्य गुणवत्ता आणि हालचालींचे मिश्रण असलेली परस्परसंवादी जग तयार करण्यास आणि देखभाल करण्यास सक्षम करेल, तेही विकास खर्च न वाढवता.

Roblox Reality ही Roblox क्लाउड आणि गेम इंजिनच्या क्षमता आणि व्हिडिओ वर्ल्ड मॉडेल्सच्या फोटोरीअलिझमचे मिश्रण करणारी एक हायब्रिड आर्किटेक्चर आहे. मुख्य वर्ल्ड स्टेट सर्व्हरवर टिकाऊपणे आणि कार्यक्षमतेने संग्रहित केले जाते, ज्यामुळे क्लायंट्समध्ये सुसंगतता सुनिश्चित होते आणि कमी खर्च व जागेचा वापर करणाऱ्या स्टोरेजचा वापर करून वेळ, सत्रे आणि दिवस यांमध्ये सुसंगतता राखली जाते. निष्पक्षता आणि सुसंगततेसाठी मजबूत सर्व्हर अधिकाराद्वारे मल्टीप्लेअर गेमप्ले समर्थित आहे, तसेच कमी विलंब साध्य करण्यासाठी अनुमानित क्लायंट-साइड सिम्युलेशन देखील आहे. रेंडरिंगसाठी, क्लाउड-आधारित लेव्हल ऑफ डिटेल (LOD) आणि कंपोजिटिंग सिस्टम उच्च-निष्ठा असलेली मालमत्ता तयार करतात जी कंटेंट डिलिव्हरी नेटवर्क (CDN) द्वारे वितरित केली जाते. Roblox व्हिडिओ मॉडेल (सुपर अपसॅम्प्लर) रेन्डर्ड व्हिडिओ आणि समृद्ध डेटा मॉडेल संदर्भाचा वापर करून स्टोकेस्टिक दृश्ये आणि प्रभावी वास्तववाद तयार करते, जे क्लाउड-एज GPU पायाभूत सुविधांद्वारे समर्थित सर्वोत्तम कामगिरीसह प्रत्येक खेळाडूसाठी एजवर कार्य करते. नंतर समृद्ध Roblox क्लायंट हा व्हिडिओ फीड रेन्डर करेल आणि भविष्यात, अग्रभूमीवरील क्रियाकलापांवर अत्यंत कमी विलंब ठेवण्यासाठी ऐच्छिकरित्या स्थानिकपणे रेन्डर्ड अपसॅम्प्ल्ड अवतार ओव्हरले करेल.

खालील डेमोमध्ये, आम्ही Grow a Garden आणि Summon Heroes यांसारख्या विविध गेम्सचे चार व्हिडिओ दाखवले आहेत. वरच्या डाव्या कोपऱ्यातील व्हिडिओमध्ये आज Roblox रेंडरिंग इंजिनचा वापर करून रेकॉर्ड केलेला Roblox कंटेंट आहे, तर वरच्या उजव्या कोपऱ्यातील व्हिडिओमध्ये व्हिडिओ जनरेशनसाठी कंडिशनिंग करण्यासाठी वापरता येणाऱ्या 3D डेटाचे प्रतिनिधित्व आहे. खालील डाव्या व्हिडिओमध्ये आमच्या लॅबमध्ये चालणारा सध्याचा Roblox अपसॅम्पल व्हिडिओ मॉडेल दाखवले आहे, जो अद्याप रिअल-टाइममध्ये चालत नाही, आणि खालील उजव्या व्हिडिओमध्ये आमच्या उत्पादन दृष्टीकोनाचा आणि या तंत्रज्ञानासह भविष्यात काय शक्य होईल याचा एक मॉकअप दाखवला आहे.

व्हिडिओ वर्ल्ड मॉडल्स: सामर्थ्य आणि मर्यादा

Video World Models प्रत्येकी परस्परसंवाद स्पष्टपणे अनुकरण न करता विश्वासार्ह, उच्च-आयामी वर्तन निर्माण करण्यात उत्कृष्ट आहेत.

व्हिडिओ लॅटेंट स्पेसमध्ये व्हिडिओ वर्ल्ड मॉडेल्स चालवताना विशिष्ट तांत्रिक मर्यादा येतात: ही प्रक्रिया सध्या खर्चाने जास्त आहे, आणि 60 Hz वर 2K रिझोल्यूशनसारखी उच्च-निष्ठा, रिअल-टाइम कामगिरी मिळवणे अजूनही विकास आव्हान आहे. महत्त्वाचे म्हणजे, व्हिडिओ स्पेसमध्ये जगाची स्थिती दर्शविल्यामुळे, हे मॉडेल्स सध्या मल्टीप्लेअर नाहीत. सिम्युलेशनची अचूकता आणि दृश्यमान विश्वासार्हता यातील संतुलन हा एक मुख्य मर्यादा आहे: व्हिडिओमध्ये फक्त ५०० लोक हलताना पाहिल्याने ते वैयक्तिक एजंट किंवा "मेंदू असलेले अवतार" आहेत, असे गृहीत धरता येत नाही. खऱ्या मल्टीप्लेअर अनुभवासाठी आवश्यक असलेल्या जटिल, वैयक्तिक एजंट सिम्युलेशनला सध्याच्या व्हिडिओ मॉडेलच्या स्तरावर नैसर्गिकरित्या समर्थन मिळेल, अशी अपेक्षा नाही.

वास्तविक वेळेत प्रतिक्रिया देणाऱ्या २०,००० लोकांच्या जिवंत गर्दीचे व्यवस्थापन करताना ही क्षमता अत्यंत महत्त्वाची आहे. परंतु, फक्त व्हिडिओ वर्ल्ड मॉडेल अनेक खेळाडूंमधील परस्परसंवाद दोन तासांच्या सत्रात विश्वासार्हपणे व्यवस्थापित करू शकत नाही. दीर्घकालीन स्मृती आणि सुसंगत तर्कशास्त्राच्या अभावामुळे वर्ल्ड मॉडेल कठोर नियम अंमलबजावणी आणि सातत्यपूर्ण स्थिती राखण्यात अडचणीत येते. व्हिडिओ वर्ल्ड मॉडेल्समध्ये वापरकर्त्याच्या इनपुट नियंत्रण डेटाचा अभाव असतो, ज्यामुळे व्हिडिओ वर्ल्ड मॉडेलवर खेळणे मजेदार नसते. कारण व्हिडिओ वर्ल्ड मॉडेल्स सातत्यपूर्ण स्थिती, सुसंगत तर्क, वापरकर्त्याच्या इनपुट नियंत्रण आणि खऱ्या मल्टीप्लेअर एजंट सिम्युलेशनमध्ये अडचणीत येतात, त्यामुळे सध्याचे मॉडेल्स मार्गदर्शित स्वप्नांसारखे अधिक असतात.

आज आपण पाहत असलेले इंटरॅक्टिव्ह व्हिडिओ मॉडेल प्रभावी आहेत, परंतु मूलत: ती जिवंत स्वप्ने आहेत—पाहायला भव्य, परंतु क्षणभंगुर आणि अत्यंत एकटेपणाची भावना देणारी. त्यात परस्परसंवाद, आव्हान, बक्षीस आणि सातत्य यांचा अभाव असतो—अर्थातच त्या गोष्टी ज्या एखाद्या खेळाला खेळ बनवतात. 

केवळ शुद्ध न्यूरल वर्ल्ड मॉडेल विस्तृत, सातत्यपूर्ण मल्टीप्लेअर अनुभवाचे वचन पूर्ण करू शकत नाहीत. जरी न्यूरल वर्ल्ड मॉडेल अनेक बाबतीत प्रभावी असले, तरी ते अनेक महत्त्वाच्या क्षेत्रांमध्ये अपयशी ठरतात. यापैकी काही म्हणजे एका सत्रात कालांतराने सुसंगतता, सत्रांदरम्यान दीर्घकालीन स्मृती, विलंब (latency), आणि सूक्ष्म पातळीवरील निर्मात्याचे नियंत्रण. सातत्यपूर्ण मल्टीप्लेअर सिम्युलेशन, काटेकोर स्पर्धात्मक गेमप्ले, अत्यंत बुद्धिमान NPCs, चाचणी, आणि क्रमिक सुधारणा याबद्दल विचार केल्यावर कमी स्पष्ट असलेल्या कमतरता समोर येतात.

आपण न्यूरल इंजिनला गेम इंजिन बनण्याची अपेक्षा ठेवू नये. 

गेम इंजिन: सामर्थ्य आणि मर्यादा

Roblox क्लाउड आणि इंजिन हे व्हिडिओ वर्ल्ड मॉडेल्ससाठी अत्यंत पूरक आहेत. त्यात पुन्हा पुन्हा प्ले करण्यायोग्य अचूकता, सत्रांदरम्यान सातत्यपूर्ण स्थिती आणि कालांतराने टिकून राहण्याची क्षमता आहे. उदाहरणार्थ, एखादा क्रिएटर फॉर्म्युला 1 मोनाको ग्रँड प्रिक्स गेम बनवत आहे असे समजा. ते अचूक स्कोअरिंग आणि दंड प्रणाली, रस्ते, गर्दी, निसर्ग आणि अनेक ड्रायव्हर्समधील तात्काळ समक्रमण यांचे मॉडेलिंग करत आहेत. तथापि, ही अचूकता अंमलबजावणी आणि रनटाइमच्या दृष्टीने महाग पडते. वाढती दृश्य गुणवत्ता (visual fidelity) हे जड अॅसेट्स, गुंतागुंतीचे लाइटिंग आणि सिम्युलेशनची मागणी करते.

पुढील दशकात, उच्च-श्रेणीच्या गेम इंजिनचे आउटपुट वास्तववादात प्रगती करत राहील, परंतु त्याचबरोबर विकासकर्त्यांच्या कौशल्याच्या पातळीची आणि ग्राहकांच्या हार्डवेअरची आवश्यकता देखील वाढेल. 

उद्योगासमोर आजपर्यंतचे आव्हान म्हणजे मोठ्या प्रमाणावर हायपर-रिअलिझम कसे प्रदान करायचे, तर ते मोठ्या आणि लहान दोन्ही प्रकारच्या विकसकांसाठी आणि सहज उपलब्ध ग्राहक हार्डवेअरवर प्रवेशयोग्य कसे बनवायचे.

कारण वास्तविक जगात अतिशय सूक्ष्म तपशील असतात. मुख्य गेमभोवती इतर सर्व काही असते—स्क्रिप्ट न केलेल्या, नैसर्गिक घटक जसे की वाऱ्याने हळूहळू हलणारी गवताची पाने, पाने आणि फांद्या, गाड्यांच्या मागे धुळीचे ढग जे उठतात आणि फिरतात, आगीतून निघणारे जळते अंगारे आणि चिंगाऱ्या, आणि तेलकट इंद्रधनुष्यीत खड्ड्यात शांतपणे पडणारे पावसाचे थेंब. हा कंटेंट तयार करणे आणि रेंडर करणे खूप कठीण आहे. पारंपारिक गेम इंजिन या दृश्य जटिलतेशी झुंज देतात, कारण उच्च-रिझोल्यूशन टेक्सचर आणि भूमितीसाठी लागणारी मेमरी उपलब्ध संसाधनांवर ताण आणते आणि ते सोपे वास्तववाद साध्य करण्यासाठी शॉर्टकट शोधतात. व्हॉल्यूमेट्रिक लाइटिंग, बायनॉरल ऑडिओ, फिजिक्स आणि पात्र सिम्युलेशन यांसारख्या घटकांमुळे सिम्युलेशनचा खर्चही प्रचंड वाढतो, जे एकत्रितपणे फोटो-वास्तववादाची निर्मिती करतात.

आम्हाला विश्वास आहे की निर्मात्यांसाठी हे जटिलतेचे बांधकाम करण्याचा आणि इंजिन्ससाठी ते रेंडर करण्याचा सर्वोत्तम मार्ग हा एक हायब्रिड आर्किटेक्चर वापरणे असेल, ज्यामध्ये पोस्ट-प्रशिक्षित व्हिडिओ वर्ल्ड मॉडेल इंजिनच्या अंतर्निहित कॅमेरा हालचाली, भूमिती आणि संदर्भात्मक स्थितीवर टेक्सचर, प्रकाशयोजना आणि सूक्ष्म-स्तरीय गतिशीलता निर्माण करेल.

आर्किटेक्चर: गेम लॉजिक आणि व्हिडिओ पिक्सेल्सचे समक्रमण

आम्हाला वाटते की निर्मात्यांना फोटोरियालिस्टिक आउटपुटसह उच्च-निष्ठावान मल्टीप्लेअर परस्परसंवाद प्रदान करण्यासाठी एक संकरित दृष्टिकोन आवश्यक आहे. आम्ही या दृष्टिकोनाला Roblox Reality असे म्हणतो, जे Roblox Game Engine, Roblox Cloud आणि Super Upsampler Roblox Video World Model यांचा संगम आहे.

Roblox Reality हायब्रिड आर्किटेक्चर Roblox Game Engine आणि Roblox Video World Model यांच्यातील जबाबदाऱ्या विभाजित करते. 

Roblox गेम इंजिन जगाच्या संरचित आणि तार्किक पैलूंना हाताळते, स्थिर दीर्घकालीन स्मृती, प्रतीकात्मक तर्क आणि पुनरावृत्तीक्षम सिम्युलेशन प्रदान करते. हे टक्कर आणि वर्तनासारख्या मूलभूत भौतिक ऑपरेशन्ससाठीही जबाबदार आहे. वस्तूंच्या प्राथमिक हालचालींचे व्यवस्थापन इंजिनमध्ये केले जाते, उदाहरणार्थ कारचे स्थान आणि वेग, त्याची चाके, शॉक आणि स्टिअरिंग. यावर आधारित, व्हिडिओ वर्ल्ड मॉडेल अतिरिक्त दृश्य आणि निर्मिती घटक जोडते, जसे की विंडशील्डवरून वाहणारे पाण्याचे थेंब आणि कार झूम करताना उडणारी पाने, ज्यामुळे मनोहारी दृश्ये तयार होतात. हा दृष्टिकोन गेम इंजिनला डेटा मॉडेल (सामायिक आणि सुसंगत अवस्था) राखण्याची परवानगी देतो, तर व्हिडिओ वर्ल्ड मॉडेल पिक्सेल्स (दृश्य स्वप्न) तयार करते.

एकत्रितपणे, हे प्लॅटफॉर्म सखोल निर्माता नियंत्रणासह अनंत सामग्री निर्मितीला समर्थन देते.

आमच्या Roblox Reality साठी विकासाचे उद्दिष्ट म्हणजे Roblox Game Engine मधील सत्य स्रोत—रेंडर केलेले व्हिडिओ आणि 3D स्थानिक डेटा—उपयोग करून 60 Hz वर 2K रिझोल्यूशन प्रदान करणारे Roblox व्हिडिओ मॉडेल तयार करणे. Roblox Reality क्लाउड एज GPU पायाभूत सुविधा आणि व्हिडिओ स्ट्रीमिंगसह कार्यक्षमतेने चालवण्यासाठी अनुकूलित केले जाईल, तर शेवटी Roblox क्लायंटमध्ये समाकलित करून स्थानिक अवतार नियंत्रण आणि सिम्युलेशनसाठी समर्थन प्रदान करेल.

सारांश

Roblox Reality हे निर्मितीचे लोकशाहीकरण करण्याच्या दिशेतील एक मोठे पाऊल आहे, जे कोणत्याही निर्मात्याला Roblox गेम इंजिन आणि व्हिडिओ मॉडेलचा लाभ घेऊन फोटो-यथार्थवादी गेम्स तयार करण्यास अनुमती देते, ज्यामुळे उच्च-निष्ठा ग्राफिक्ससाठी पारंपारिकरित्या आवश्यक असलेला विकास वेळ, खर्च आणि संगणकीय क्षमता यात लक्षणीय घट होते. यामुळे आमच्या निर्मात्यांसाठी फोटो-यथार्थवादी गेम्स तयार करणे जलद आणि अधिक किफायतशीर व संगणकीयदृष्ट्या कार्यक्षम बनते. उच्च संगणकीय खर्चाचा विचार करता, आम्हाला हे लक्षात येते की Roblox Reality आर्किटेक्चरचे प्रमाण वाढवण्यापूर्वी आम्हाला काही आव्हाने सोडवावी लागतील. आम्ही या आर्किटेक्चरसाठी कार्यक्षमता अनुकूलित करण्यासाठी आणि वाढवण्यासाठी उपायांवर आधीच काम करत आहोत, जेणेकरून आम्ही हे लाखो एकाच वेळी खेळणाऱ्या खेळाडूंसाठी अधिक परवडणाऱ्या किमतीत प्रमाण वाढवू शकू.

सर्वात महत्त्वाचे म्हणजे, आम्ही आमच्या निर्मात्यांना अद्भुत मल्टीप्लेअर फोटो-यथार्थ अनुभव तयार करण्याची परवानगी देणाऱ्या गेम्ससाठी एक प्लॅटफॉर्म तयार करण्यास उत्साहित आहोत!