Geliştiriciler için tasarlanan bir yapay zekâ oyuncu
HoYoverse'in Honkai yapay zekâ araştırma ekibi, ekrana bakıp klavye ve fare komutları göndererek oyun oynayan Gamer adlı bir yapay zekâ sistemini tanıttı. 50 saat sürdüğü bildirilen bir testte sistem, Honkai: Star Rail'i zamanın yüzde 95'inde özerk biçimde kontrol etti. Böylece doğru hamleyi seçmenin ötesine geçen bir zorluğun üstesinden geldi: Uzun bir macera boyunca ne yapacağını hatırlamak.
İçindekiler
- Geliştiriciler için tasarlanan bir yapay zekâ oyuncu
- Gamer, ekran görüntülerini eylemlere nasıl dönüştürüyor?
- Sisteme bir görevi hatırlamayı öğretmek
- Görev sonuçları gerçekte neyi ölçüyor?
- Bulmacalar, performansın ne kadar değişken olduğunu gösteriyor
- Daha hızlı kararlar neden güçlü donanım gerektiriyor?
- Neler yayımlandı, neler hâlâ beklemede?
- Sanal bir oyuncu oyunları test etmeye nasıl yardımcı olabilir?
- Çalışma neden Honkai: Star Rail'in ötesine uzanıyor?
- Öne Çıkanlar
miHoYo ekibi, proje sayfasını ve araştırma makalesini 13 Kasım 2026'da yayımladı. Gösterimlerde Gamer'ın görevleri takip ettiği, karakterlerle konuştuğu, düşmanlarla ve bölüm sonu canavarlarıyla savaştığı, bulmacaları çözdüğü ve beş farklı mini oyunu tamamladığı görülüyor. Sistem, girdilerini oyunun içindeki gizli bilgilerden değil, ekran görüntülerinden alıyor.
Hedef kitle geliştiriciler ve araştırmacılar. HoYoverse, Gamer'ı oyunları test etmeye, sorunları bulmaya ve tekrara dayalı geliştirme işlerini azaltmaya yardımcı olabilecek bir araç olarak tanımlıyor. Uzun vadede araştırmaların robotlara yönelik yapay zekâ çalışmalarına da uzanması bekleniyor. Bildirilen performans testlerinde Nvidia H200 grafik işlemcileri de dâhil olmak üzere güçlü veri merkezi donanımları kullanılıyor.
Dolayısıyla oyuncular açısından bu gelişme, yeni bir otomatik oynama özelliğinden ziyade bir araştırma projesi. Geliştiriciler içinse kullanım alanı daha somut: İnsanların kullandığı görünür arayüz üzerinden bir görevi deneyebilen ve ardından diyaloglara, yolculuklara, savaşlara ve bulmacalara devam edebilen sanal bir test kullanıcısı.
Gamer, ekran görüntülerini eylemlere nasıl dönüştürüyor?
Gamer, görsel-dil-eylem modelidir. Basitçe söylemek gerekirse, üç yeteneği bir araya getirir: Ekranda ne olduğunu görmek, talimatları anlamak ve eylem üretmek. Makalenin başlığı Gamer: A Generalist Vision-Language-Action Foundation Model for Long-Horizon Real-Time Game Agent. Bu uzun başlık, temel amacı anlatıyor: Tek ve yalıtılmış bir eylemi tamamlamak yerine oyunları uzun süre boyunca kontrol etmek.
Sistem, oyun ekranını saniyede beş kez örnekliyor ve saniyede 30 güncellemeye karşılık gelen klavye ve fare talimatları üretiyor. Her eylem kararı yaklaşık 200 milisaniyeyi kapsıyor ve kabaca 33 milisaniyelik altı adıma bölünüyor. Böylece yeni görsel gözlemler arasında kısa bir girdi dizisi planlayabiliyor.
Bir oyuncu hedef işaretine göz atabilir, hareket tuşunu basılı tutabilir ve kamerayı ayarlayabilir. Gamer, ekran görüntüleriyle girdi komutları arasındaki benzer ilişkiyi öğreniyor. Oyunun iç durumunu sağlayan özel bir arayüze ihtiyaç duymadan karakterleri hareket ettirebiliyor, kamerayı döndürebiliyor, menülerde gezinebiliyor ve nesnelerle etkileşime girebiliyor.
Yayımlanan eylem formatında, büyük-küçük harf kullanımına ilişkin belirli kuralları olan 74 tuş belirteci bulunuyor. Geçersiz çıktılar, eylemsizlik olarak işleniyor. Bu tür kurallar önemli; çünkü daha genel akıl yürütmesi kusurlu olsa bile bir yapay zekâ sisteminin yazılımın güvenilir biçimde yorumlayabileceği komutlar göndermesi gerekiyor.
Sisteme bir görevi hatırlamayı öğretmek
Eğitim, oyunlarda kaydedilmiş 10.000 saati aşan klavye ve fare etkinliğiyle başlıyor. Bu kayıtlar, ekranda görünenlerle yapılan eylemleri ilişkilendirerek Gamer'ın daha uzun hedefleri tamamlaması istenmeden önce temel kontrol becerilerini öğrenmesine yardımcı oluyor.
Araştırmacılar daha sonra karar açıklamaları ve önceki etkinliklerin özetlerini içeren talimat eğitimini ekledi. Bildirilen eğitim materyalleri yaklaşık 1,2 milyon akıl yürütme açıklaması ve 223.000 bellek açıklaması içeriyor. Bunlar modele sonraki adımı nasıl seçeceğine ve yararlı bilgileri nasıl koruyacağına dair örnekler sunuyor.
Bir oyuncuyu birkaç yer arasında dolaştıran görevlerde bellek şart. Sistemin daha önce hangi karakterle konuştuğunu, hangi rotanın başarısız olduğunu ve hangi hedefin hâlâ tamamlanmadığını hatırlaması gerekebilir. Gamer, etkin çalışma bağlamı dolduğunda devam edebilmek için kısa özetler oluşturuyor.
Ekip, seyrek akıl yürütme adını verdiği yöntemi de kullanıyor. Model, her hareketten önce uzun bir açıklama üretmek yerine plan hâlâ işe yarıyorsa eyleme devam edebiliyor; koşullar değiştiğinde ise akıl yürütmeye daha fazla ağırlık verebiliyor. Bu yaklaşım, planlı düşünmeyi oyunların gerektirdiği hızlı girdilerle birleştirmeye yardımcı oluyor.
Görev sonuçları gerçekte neyi ölçüyor?
Araştırmacılar Gamer'ı Honkai: Star Rail'deki iki yan görevde değerlendirdi: Opportunity Makes the Thief (Part I) ve Bestial Ferocity. Her ikisi de yolculuk, karakterlerle konuşma ve düşmanlarla savaşma gibi çeşitli etkinlikler içeriyor. Görev testlerine basit bir bulmaca da dâhil edildi.
İlk devam eğitimi aşamasından sonra, bildirilen görev hedefi tamamlama puanları sırasıyla yüzde 34,4 ve yüzde 47,9 oldu. Pekiştirmeli öğrenmenin ardından bu oranlar yüzde 80,0 ve yüzde 83,6'ya yükseldi. İlk görevde 45,6, ikinci görevde ise 35,7 yüzde puanlık artış kaydedildi.
Pekiştirmeli öğrenme, sonuçları puanlanan denemeler yoluyla performansın iyileştirilmesi anlamına geliyor. Ekip burada, bellekle birbirine bağlanan oyun bölümlerindeki eylemlerle ödülleri ilişkilendirmek için Temporal-Aware GRPO adlı bir yöntem kullandı. Bu sorun, birkaç dakika sonra bir görevi tamamlamaya hangi önceki kararın yardımcı olduğunu öğrenmeye benziyor.
50 saatlik testte bildirilen yüzde 95 özerk kontrol oranı, Gamer'ın çalışma süresinin ne kadarında kendi başına hareket ettiğini ölçüyor. Görev hedefi puanları ise belirli hedeflere yönelik ilerlemeyi ölçüyor. Ekip ayrıca otomatik testlerde ana hikâye görevlerinde yüzde 95'in üzerinde başarı elde edildiğini öne sürdü; bu, kapsamı farklı başka bir ölçüm. Yayımlanan bu sonuçlar geliştiricilerden geliyor; bağımsız doğrulama henüz bildirilmedi.
Bulmacalar, performansın ne kadar değişken olduğunu gösteriyor
Gamer'ın mini oyun sonuçları, başarılı bir gösterimin önemli zayıflıklarla nasıl bir arada bulunabileceğini ortaya koyuyor. Yedi mini oyun türünü kapsayan ve daha önce görülmemiş 40 görevde, pekiştirmeli öğrenmeyle eğitilmiş sürüm ortalama yüzde 49,7 başarı oranına ulaştı. Önceki eğitim aşamasında bu oran yüzde 15,0'dı; böylece 34,7 yüzde puanlık artış sağlandı.
En iyi ve en kötü sonuçlar arasında büyük fark vardı. Gamer, Navigation Compass bulmacalarında yüzde 95,8, Abacus Circuitry'de ise yüzde 22,2 puan aldı. Aradaki 73,6 yüzde puanlık fark, performansın bulmacanın türüne ne kadar bağlı olduğunu gösteriyor.
Gösterim videolarında beş mini oyun türünde başarılı oyun sergilenirken değerlendirme yedi türü kapsıyor. Daha geniş kapsamlı test, geliştiricilere sistemin becerileri hakkında daha ayrıntılı bir tablo sunuyor ve zorlandığı görevleri de ortaya koyuyor.
Bu farklılıklar test ekipleri açısından pratik önem taşıyor. Bir zorluğu güvenilir biçimde aşan bir ajan, başka bir zorlukta daha yakından denetlenmeye ihtiyaç duyabilir. Sonuçlar, otomatik testlerin hangi alanlarda iş yükünü azaltabileceğine ve nerelerde insanların sonuçları dikkatle kontrol etmesi gerektiğine karar vermek için bir temel sağlıyor.
Daha hızlı kararlar neden güçlü donanım gerektiriyor?
Araştırma ekibi, karar talep etmekle bu kararı almak arasındaki gecikmeyi azaltmak için Streaming-vLLM adlı bir çıkarım motoru geliştirdi. Çıkarım, eğitilmiş bir yapay zekâ modelinin yeni bilgileri işleyip yanıt veya eylem ürettiği aşamadır.
Bildirilen Nvidia H200 kurulumunda motor, uçtan uca istek gecikmesini 1.306 milisaniyeden 65,12 milisaniyeye düşürerek yaklaşık 20 kat hız artışı sağladı. Basitçe söylemek gerekirse gecikme yaklaşık 1,3 saniyeden 0,065 saniyeye indi. Yapay zekâ karar verirken oyun ilerlemeye devam ettiği için bu fark önem taşıyor.
Bildirilen yapılandırmada, hesaplamaları dört cihaza dağıtılmış Qwen3.5-35B-A3B uzman karışımı modeli kullanıldı. Uzman karışımı model, bir görev için ağının seçili bölümlerini etkinleştirir. Donanım ve yazılım yapılandırması, hız değerinin anlaşılması açısından belirleyicidir; çünkü bu, sıradan bir ev bilgisayarındaki performansı değil, araştırma kurulumunu anlatıyor.
Streaming-vLLM tekrarlanan hesaplamaları azaltıyor, depolanan bilgileri yeniden kullanıyor ve sonraki çıktılar üretilmeye devam ederken ilk geçerli eylemi gönderebiliyor. Daha hızlı kararlar eğitime de yardımcı oluyor: Beklemek için daha az zaman harcayan bir sistem, aynı sürede daha fazla etkileşim deneyebiliyor.
Neler yayımlandı, neler hâlâ beklemede?
Kamuya açık sürümde bir proje sayfası, makale ve Apache-2.0 lisanslı kod içeren bir GitHub deposu yer alıyor. Depoda istemler, eylem formatları ve değerlendirme sonuçları açıklanıyor. Eğitilmiş bir modeli çalıştırmak için gereken öğrenilmiş sayısal ayarlar olan model ağırlıkları kod sürümüne dâhil edilmedi.
Ekip, veri güvenliği gerekçesiyle Honkai: Star Rail eğitim verilerini ve oyunun verileriyle eğitilmiş ya da ayarlanmış model ağırlıklarını paylaşmadı. Kamuya açık dosyalar, projenin önceki genel eğitim araştırmalarıyla ilgili.
Streaming-vLLM uygulamasının yakında yayımlanacağı belirtiliyor. Motor için herhangi bir çıkış tarihi verilmedi. Eğitilmiş ağırlıkların bulunmaması ve güçlü donanım gereksinimiyle birlikte bu durum, araştırmayı okumakla gösterilen sistemi yeniden üretmek arasında önemli bir boşluk bırakıyor.
Yayımlanma süreci kısaca şöyle:
- 13 Kasım 2026: Honkai yapay zekâ araştırma ekibi Gamer proje sayfasını ve makaleyi yayımladı.
- 16 ve 17 Kasım 2026: Kamuya açık haberlerde eğitim yaklaşımı, gösterimler ve performans sonuçları ayrıntılı biçimde ele alındı.
- Bu haberlerin yayımlandığı sırada: Çıkarım motoru için bir çıkış tarihi açıklanmadan, yakında yayımlanacağı belirtiliyordu.
Sanal bir oyuncu oyunları test etmeye nasıl yardımcı olabilir?
HoYoverse, oyun testlerini olası temel kullanım alanlarından biri olarak gösteriyor. Bir görev birbirine bağlı pek çok adım içerebilir: Bir karaktere yaklaşmak, konuşma başlatmak, başka bir bölgeye gitmek, savaşı kazanmak ve bir eşya toplamak. Herhangi bir adımdaki sorun, oyuncunun ilerlemesini kesintiye uğratabilir.
Gamer'ın yaklaşımı, geliştiricilerin bir ajanı bu görünür etkileşimler boyunca tekrar tekrar yönlendirmesini sağlayabilir. Gezinme, ekranı okuma ve standart kontrolleri kullanma becerisi; hedeflerin ve menülerin beklendiği gibi çalışıp çalışmadığını denetlemeye yardımcı olabilir. Bir eylem dizisini yinelemek, geliştiricilerin bir sorunu düzeltmeden önce yeniden üretmesine de katkı sağlayabilir.
Araştırma ekibi, olası diğer kullanım alanları arasında erişilebilirlik desteği ile insanlar ve bilgisayarlar arasındaki etkileşim araştırmalarını sıralıyor. Ekip ayrıca Gamer'ın hile, yetkisiz erişim, güvenlik açıklarından yararlanma ya da kullanıcılara ve adil oyuna zarar verme amacıyla kullanılmasına karşı çıkıyor.
Bu kısıtlamalar önemli; çünkü bir oyunu otomatik olarak kontrol etme yeteneği çok farklı amaçlara hizmet edebilir. Belirtilen geliştirme hedefi, yetkili araştırma ve test çalışmaları. Her türlü pratik kullanımda insan denetimi ve oyun kuralları belirleyici olacak.
Çalışma neden Honkai: Star Rail'in ötesine uzanıyor?
HoYoverse, üç boyutlu oyun dünyalarını robotik çalışmalarına ileride katkı sağlayabilecek araştırmalar için de yararlı ortamlar olarak görüyor. Oyunlar, gözlemler, seçimler ve sonuçlardan oluşan diziler sunuyor: Bir ajan engeli görüyor, rota seçiyor, harekete geçiyor ve nelerin değiştiğini kontrol ediyor.
Gamer, bu sorunun birkaç unsurunu tek bir sistemde bir araya getiriyor. Ekran gözlemleri algılamayı, talimatlar ve özetler planlamayı, klavye ve fare çıktıları ise kontrolü sağlıyor. Farklı oyunlarla yapılan eğitim, bu becerilerin tek bir görev veya oyunla sınırlı kalmamasını amaçlıyor.
Fiziksel bir robot; gerçek sensörler, hareket kısıtları ve güvenlik gereksinimleri gibi ek zorluklarla karşılaşır. Gamer'ın yakın vadeli katkısı, araştırmacıların görevleri tekrarlayıp sonuçları ölçebildiği sanal ortamlarda uzun süreli eylem ve belleği incelemeye yönelik bir yöntem sunması.
Projenin en yararlı tablosu, sonuçlar birlikte değerlendirildiğinde ortaya çıkıyor: Pekiştirmeli öğrenmenin ardından görev performansında belirgin artış, bulmacalarda değişken başarı ve pahalı donanımda karar gecikmesinde büyük düşüş. Bu ayrıntılar, bir geliştiricinin böyle bir test aracını neden isteyebileceğini ve aracın rutin hâle gelmesi için neden daha fazla çalışma gerektiğini açıklıyor.
Öne Çıkanlar
- HoYoverse'in Gamer'ı oyunları ekran görüntüleri ve klavye-fare komutlarıyla kontrol ediyor.
- Bildirilen 50 saatlik testte, çalışma süresinin yüzde 95'inde özerk kontrol sağlandı.
- Pekiştirmeli öğrenmenin ardından iki yan görevin hedef tamamlama puanları yüzde 80,0 ve yüzde 83,6'ya ulaştı.
- 40 mini oyun görevinde ortalama başarı yüzde 49,7 oldu; bulmaca türleri arasında büyük farklar görüldü.
- Bildirilen H200 yapılandırmasında karar gecikmesi 1.306 milisaniyeden 65,12 milisaniyeye düştü.
- Proje, araştırma ve oyun testlerini hedefliyor. Eğitilmiş model ağırlıkları pakete dâhil edilmedi ve çıkarım motorunun yakında yayımlanacağı belirtildi.






