En el garaje: Discord AMA sobre el Reglamento de carreras de Forza (FRR) con el equipo de simulación

Version Original

11 de octubre de 2024
Turn 10 Studios

¡Ponte al día con el último trabajo de nuestros desarrolladores de Forza Motorsport sobre el Reglamento de carreras de Forza (FRR) y descubre lo que ocurre detrás de escena en este artículo!

El siguiente artículo es una adaptación de una presentación y AMA (“pregúntame lo que quieras” - Ask Me Anything) organizada en el Discord oficial de Forza el 26 de septiembre de 2024. Los invitados destacados son T10 LoungeToy y T10 OG. Estos comentarios, explicaciones y respuestas a las preguntas de la audiencia de Discord se han editado para que sean más breves, claros y precisos.

Introducción

(Oradores) T10 LoungeToy y T10 OG: Ambos somos codirectores del equipo de simulación de Turn 10 Studios. Algunas de las áreas bajo nuestro paraguas incluyen aspectos relacionados con la inteligencia artificial (IA), el sistema de penalizaciones también conocido como FRR (Forza Race Regulation), así como toda la física del juego, como la dinámica del vehículo y cómo se muestran las pistas. También estudiamos el ajuste y el mapeo de todos los métodos de entrada posibles (controlador de juego, volantes, otros periféricos como el Xbox Adaptive Controller (¿sabías que incluso puedes jugar al juego con una guitarra?!). La retroalimentación de Forza también se relaciona directamente con nuestro trabajo de física. Somos responsables del equilibrio de los autos y de la gestión de la división de autos. Entonces, ¿qué autos van a dónde? ¿Cómo se sienten? Cómo se sienten realmente diferentes, cuáles son los límites de ajuste y ese tipo de cosas.

T10 LoungeToy: Dicho esto, la presentación de hoy se centrará en FRR. FRR es una característica que es muy importante para nosotros; Hemos invertido en él durante años, desde 2017 hasta ahora. FRR ha pasado por muchas iteraciones diferentes, pero quería darles una descripción general de alto nivel sobre dónde se encuentra hoy y cómo pensamos sobre FRR, y espero que les brinde una buena comprensión general de dónde estamos con el lanzamiento actual.

Con suerte, podremos hacer más de estas sesiones AMA en el futuro y profundizar en temas como IA, física, datos de entrada, equilibrio de autos, administración de divisiones de autos o cualquier otra área del juego sobre la que alguien esté interesado en escuchar. Esperamos arrojar algo de luz sobre el funcionamiento interno aquí en Turn 10, cómo estamos pensando en nuestros sistemas y simplemente ser transparentes sobre dónde están las cosas y, por supuesto, ayudarlos a comprender hacia dónde nos dirigimos en el futuro.

¿Qué es FRR?

T10 OG: Espera, ¿todos saben qué es FRR?

T10 Lounge Toy: Buen punto. FRR significa Forza Race Regulations, y es el sistema de arbitraje de Motorsport que se utiliza para identificar, medir y asignar faltas por colisiones y penalizaciones por salirse de la pista.

El sistema de colisiones se basa en un sistema de aprendizaje automático, que se entrena con un montón de datos de colisiones que utilizamos para asignar faltas. Curiosamente, las penalizaciones por salirse de la pista se calculan con una tecnología diferente, y lo explicaremos más adelante. Pero los datos de colisiones que realmente componen el sistema de colisiones generalmente los crean jugadores como tú. Se rastrea cada una de las colisiones del juego y se nos envían, y eso constituye la mayoría de los datos que realmente utilizamos para ayudar a informar FRR. Además, algunos datos provienen de nuestras pruebas de juego internas y de expertos del equipo como T10 Raceboy, para enfocarnos en ciertas áreas de las colisiones. En muchos sentidos, T10 Raceboy es la forma en que juzgamos nuestro FRR (¡lo explicaremos más adelante también!).

A veces, tenemos literalmente más de un millón de colisiones al día, ¿verdad? Alguien tiene que revisar cada incidente que queremos incluir en el modelo FRR y etiquetarlo manualmente. Es un proceso que consume mucho tiempo y, de hecho, le mostraremos la herramienta con la que lo hacemos. La determinación y mejora de fallas de FRR depende realmente de todo este etiquetado manual de datos.

Bien, hablemos de nuestros sistemas de penalización de tiempo. Tenemos penalizaciones de tiempo por colisiones y penalizaciones de tiempo por cortes de pista o salidas de la pista, y tienen algunas diferencias.

Las penalizaciones de tiempo por colisiones se basan en un sistema de gravedad. Ese sistema de gravedad está influenciado principalmente por el delta de velocidad (básicamente, la velocidad del impacto que se produce). Si un jugador va a 200 millas por hora y otro a 20 millas por hora, se trata de una diferencia de velocidad enorme que tendrá un gran impacto en la penalización de tiempo que se le aplica al jugador. Además, tenemos una herramienta llamada "calculadora de velocidad" o "computadora de velocidad", que tiene una expectativa de cuál debería ser tu velocidad en cualquier momento, en función de que nuestra IA conduzca lo más rápido que pueda con ese auto o ese tuneo en particular. Si superas esa velocidad esperada, eso también afecta la penalización de tiempo que se aplica. Si el otro jugador pierde un lugar o pierde tiempo debido a la colisión, esos datos también se tienen en cuenta en el cálculo de la gravedad.

Para las penalizaciones por salirse de la pista, utilizamos la "computadora de velocidad" (mencionada anteriormente), que sabe qué tan rápido debe ir cualquier auto en cualquier curva o parte de la pista en un momento dado. Si te sales de la pista o te empujan fuera de la pista por cualquier motivo, la computadora de velocidad compara tu velocidad o tiempo con la velocidad o tiempo esperados. Las penalizaciones se aplican en función del tiempo ganado o de la velocidad por encima de la velocidad esperada.

Estos son los conceptos básicos de cómo funciona FRR, cómo generamos datos para él y lo ajustamos, y cómo se aplican las penalizaciones de tiempo.

Ahora que conoce los conceptos básicos, ¡pasemos al curso avanzado! La parte de FRR que detecta fallas en las colisiones actualmente tiene una precisión estimada de alrededor del 89 % (mejora del 80 % en el lanzamiento). Aquí hay un gráfico para que pueda ver cómo ha cambiado esto durante el año pasado.

(En el eje horizontal, cada mes secuencial está representado por la primera letra de su nombre).

Cuando lanzamos el modelo, 4 de cada 5 colisiones se juzgaron correctamente, según nuestra estimación, lo que también significa que 1 de cada 5 se juzgó incorrectamente. Es posible que a usted, como jugador, se le haya atribuido incorrectamente la culpa por una colisión (falso positivo) o que no se le haya atribuido incorrectamente la culpa por una colisión (falso negativo). Ambos casos se siguen considerando fallos FRR incorrectos.

En la versión más reciente, tenemos una precisión general de alrededor del 89 %. Ahora solo quiero dejarlo en claro: no hemos terminado. Estamos invirtiendo mucho en esta área y hablaremos más adelante sobre nuestros objetivos actuales y cuándo esperamos alcanzarlos. Lo que realmente quería dejar en claro aquí es que aprendimos mucho sobre cómo mejorar el modelo con el tiempo. Y cuando lanzamos el modelo, no estábamos exactamente en el lugar en el que esperábamos estar. Y no entendíamos realmente cuánto tiempo nos llevaría mejorar el modelo. Pero después de mucho aprendizaje en los últimos meses, creo que tenemos un muy buen plan para mejorar.

Creemos que los mayores problemas que tienen los jugadores con FRR en este momento son estos falsos positivos que aparecen en incidentes de carreras muy específicos. Como ejemplo, creo que el clásico problema de FRR que se ha convertido en un meme en este momento es cuando alguien es chocado por detrás y recibe una penalización de 4 o 4,5 segundos. No es su culpa, porque alguien acaba de chocar por detrás, pero ahora se preguntan: "Oye, ¿por qué me han penalizado?". Y esta situación es exactamente lo que estamos tratando de resolver en este momento.

Entonces, sucedió algo muy interesante en todos los lanzamientos. En este próximo gráfico (abajo), puedes ver un pico alrededor de marzo (2024).

(En el eje horizontal, cada mes secuencial está representado por la primera letra de su nombre).

A partir de marzo, aunque la precisión general del modelo estaba mejorando (según el primer gráfico que mostramos, que era para la precisión general), los falsos positivos específicos estaban empeorando mucho y ahora se producían hasta 10 veces cada 100 colisiones que encuentra un jugador (en comparación con el lanzamiento, cuando teníamos un 4 % de falsos positivos, o 4 veces de cada 100).

En consecuencia, hubo una gran protesta en torno a FRR en marzo, por lo que respondimos y cambiamos nuestra forma de pensar sobre lo que era importante mejorar. Realmente nos propusimos mejorar la precisión de los falsos positivos como nuestra principal prioridad. Ahora, como puede ver hasta ahora, hemos aumentado tanto la precisión general como en el gráfico anterior que mostré, como también hemos disminuido significativamente los falsos positivos (actualmente en su tasa de ocurrencia más baja de su vida útil).

Tenemos una herramienta personalizada que visualiza cada incidente en el juego. De modo que, cada vez que se produce una colisión (ya he mencionado antes que a veces tenemos más de un millón de colisiones al día), tenemos una forma de visualizar exactamente cómo se ve esa colisión. Tenemos una herramienta que personas como T10 Raceboy pueden usar para analizar un incidente y etiquetar quién tiene la culpa y cuál es la gravedad de la colisión. Es una especie de novedad para nosotros, ya que mostramos algunas de nuestras herramientas de desarrollo fundamentales que realmente no muestran gráficos impresionantes.

Por primera vez, aquí está nuestra herramienta de etiquetado FRR. Como dije, no es bonita, pero cuando recibimos una colisión a través de FRR, se ve como este clip de ejemplo y podemos reproducirlo de un lado a otro.

• La herramienta muestra dos coches en carrera en una vista de arriba hacia abajo. Cada uno tiene una burbuja de color que cambia entre verde, amarillo y rojo, lo que indica su velocidad en relación con la velocidad esperada del ordenador de velocidad.
• Si el coche entra en una curva demasiado rápido, el color de la burbuja cambiará de verde ("dentro de la velocidad esperada") a amarillo ("no exactamente por encima de la velocidad esperada") a rojo ("más allá de la velocidad esperada").
• Las barras azules que salen del coche son una indicación de la entrada de dirección. Al principio del clip, el coche rojo tiene mucha entrada de dirección hacia la izquierda, mientras que el coche verde tiene poca entrada de dirección hacia la izquierda, mientras que están pasando por esta curva.
• Por último, las flechas en la parte delantera de los coches son una indicación de cuánto acelerador tienen en un momento dado. El coche verde tiene lo que parece ser casi el acelerador a fondo, mientras que el coche rojo tiene quizás un cuarto o la mitad del acelerador allí. Cuando frenan o si hay algún tipo de desaceleración en el automóvil, esas flechas aparecerán en la dirección trasera.

Como puede ver en la esquina superior derecha de esta interfaz, nuestros desarrolladores pueden ingresar aquí y etiquetar este incidente. En este caso, hemos etiquetado al automóvil rojo como culpable, con una clasificación de gravedad de "2" de 4 niveles de gravedad.

Otra cosa a tener en cuenta es que es posible que vea que el automóvil verde se mueve un poco. Y lo que está viendo en realidad pueden ser problemas de latencia. La latencia se tiene en cuenta cada vez que etiquetamos los datos.

¿Qué sigue para FRR?

T10 LoungeToy: Lo más importante que hemos hecho en los últimos seis meses es entender qué se necesita para mejorar el modelo. Hablaré de eso en un segundo, porque es un gran esfuerzo mejorarlo y establecer objetivos aproximados para nosotros de dónde creemos que debe estar, para que podamos tener el mejor sistema de evaluación de FRR.

Actualmente tenemos una precisión general del 89 % y creemos que debemos llegar al menos al 95 % para estar en una muy buena posición. Pero lo que es más importante, también tenemos un objetivo del 99 %. El objetivo del 99 % tiene más que ver con lo que llamamos "precisión específica" o incidentes específicos. Nuestro objetivo es asegurarnos de que esos incidentes tan simples sean 99 % precisos para nosotros.

T10 OG: “Incidentes muy simples”, es decir, mi madre podría ver el incidente, no sabe nada de carreras, pero sabría quién tiene la culpa.

T10 LoungeToy: Antes de entrar en detalles sobre cómo vamos a llegar al 95-99 %, hay un montón de características relacionadas con FRR en las que estamos trabajando. Algunos de ustedes pueden saber que tenemos algunas nuevas funciones de efecto fantasma que aparecerán en el modo multijugador, tanto como una opción dentro del Juego libre, como parte de nuestra serie de Multijugador destacado. Situaciones como volver a la pista, o ir muy lento en la pista, o incidentes de embestida a muy alta velocidad, se eliminarán automáticamente en un futuro cercano. Por lo tanto, eso tendrá un gran impacto en cómo funciona FRR y cómo la gente percibe la precisión general de FRR. Las carreras más limpias a través de algunas de las tecnologías de efecto fantasma en las que estamos trabajando deberían tener un impacto bastante significativo aquí.

Por supuesto, el emparejamiento con corredores más limpios debería generar carreras más limpias. Tenemos mucho trabajo por hacer aquí, y eso está relacionado con nuestra calificación de seguridad y calificaciones de habilidad, por supuesto. Curiosamente, cuando lanzamos recientemente la modalidad multiclase como una función de nuestro modo multijugador destacado, vimos carreras realmente buenas y limpias en todos los ámbitos. Y eso tiene mucho que ver con las salidas de las carreras y con cómo el campo realmente se dispersa mucho más antes de la curva 1 en las carreras multiclase. Limpia mucho las carreras. Y esto no era intencionado. Esto es solo el resultado de tener este estilo de carreras y este tipo de salida de carrera. Por lo tanto, eso también tiene un gran impacto en cosas como FRR y la percepción que la gente tiene de él.

Tamaño del lobby, creo que nuestro tamaño promedio del lobby en el día en este momento es de 11 o 12 y eso ha sido bastante constante desde el lanzamiento, creo. Y ese tamaño del lobby, podemos echar un vistazo y aumentarlo o disminuirlo dependiendo de cómo se sienta la gente. Por supuesto, cuanto más pequeño sea el tamaño del lobby, potencialmente menos divertidas serán las carreras para la gente, pero también potencialmente más limpias podrían ser, ¿verdad? Eso tiene un gran efecto en la percepción de FRR. Y, por supuesto, tenemos mucho trabajo que hacer con nuestras calificaciones de seguridad y habilidad en términos de cómo se muestran, y cosas como la calificación de seguridad de las personas después de que salen de las primeras dos carreras, y su calificación de seguridad general. Estamos analizando muchas cosas aquí.

Por último, si bien en realidad tenemos pautas de etiqueta de carreras que realmente rigen cómo pensamos sobre la asignación de culpas para FRR, nunca las hemos publicado y actualmente no les damos a ninguno de nuestros jugadores una buena idea del tipo, "oye, ¿quieres unirte al modo multijugador? Así es como debes pensar sobre otros jugadores en la pista". Estamos descubriendo formas de promover mejores carreras a través de la comprensión de lo que se espera de los jugadores.

Volviendo a nuestro cronograma de objetivos de FRR: esperamos llegar al 95% de precisión para fines de este año. Ese es un objetivo enorme y ambicioso, porque puedes ver cuánto tiempo nos llevó pasar del 80 al 89%. Básicamente nos llevó un año.

Uno de los principales problemas aquí es que el proceso de etiquetado es increíblemente manual. Y hasta este punto, básicamente hemos tenido una persona que hace la mayor parte del etiquetado por nosotros. Está entre el público, T10 Raceboy, y es un recurso limitado, ¿verdad? Hace un montón de cosas para el equipo y para Motorsport en general. Pero lo que nos dimos cuenta es que para llegar a ese 95%, es necesario traer una gran cantidad de recursos adicionales aquí para ayudar a etiquetar todos estos datos porque, como dije, tenemos más de un millón de estas cosas que llegan todos los días.

Hemos agregado una cantidad adicional de personas a tiempo completo aquí para abordar realmente este problema, y ​​​​están revisando hasta 1000 incidentes aproximadamente por semana en este momento. Nuestras expectativas son, de ahora en adelante, que etiqueten entre 2000 y 3000 por semana. Es una parte importante de cómo mejora la precisión general de este modelo. Entonces, ahora tenemos más de cuatro veces los recursos asignados para etiquetar estos datos y mejorarlos. Comenzaron hace poco y están afectando esto a partir de septiembre. Creo que realmente nos ayudará a mejorar este modelo.

El segundo cambio aquí tiene que ver con los diferentes modelos que realmente impulsan el FRR. Sin entrar en demasiados detalles, en realidad estamos en nuestro tercer modelo de FRR. Lo más importante que hay que entender es que hay nuevos puntos de datos que el modelo está rastreando ahora que podrían ayudarnos a obtener una mayor precisión y también a filtrar los tipos específicos de incidentes.

En nuestro primer modelo, no teníamos los datos que rastreaban dónde se producían las colisiones de los coches. Realmente no podíamos saber si un coche estaba chocando por detrás a otro coche desde la parte delantera, lateral, trasera, etc. Eso no formaba parte del conjunto de datos inicial. Al principio creíamos que todas las demás entradas (acelerador, frenos, entradas de dirección, velocidad esperada) eran las entradas correctas para resolver. Resulta que es más fácil para nosotros filtrar los tipos de colisiones que buscamos mejorar si tenemos datos adicionales que se rastrean.

Ahora creo que con el Modelo 2 hemos añadido un montón de datos. Lo mismo ocurre con el Modelo 3. Ahora conocemos las partes específicas de los coches que están chocando. Lo que eso nos permite hacer es filtrar solo esos tipos de colisiones en el futuro. Así que podemos decir algo como "hoy, solo vamos a analizar las colisiones de adelante hacia atrás de anoche y etiquetarlas". Y eso es un gran cambio para nosotros porque ahora podemos entrar y atacar la "precisión específica" y decir: "hey, sabemos que la gente está teniendo algunos problemas con los choques traseros y los falsos positivos". Ahora podemos filtrar esos tipos específicos de incidentes y mejorarlos y centrar el esfuerzo en ellos.

Así que la historia larga aquí es que el número de precisión general puede ser menos importante en el futuro, debido a las características relacionadas que mencioné, pero más importante en lo que respecta a la "precisión específica" de la que estábamos hablando. Si llegamos al 99 % para los tipos específicos de incidentes que estamos analizando, y la gente no se queja de los incidentes descabellados de los que hablaba el oficial ejecutivo de T10, creo que estaremos en el lugar correcto.

Tenemos mucha más gente y recursos asignados a la parte de etiquetado de esto. Y creo que ahora tenemos las herramientas y la tecnología adecuadas para llegar a esa precisión del 95-99 % en general con FRR.

Preguntas y respuestas de la audiencia

¿Cómo determina el sistema FRR la cuantía de la penalización que se debe aplicar en caso de colisión? ¿Cómo determina quién tiene la culpa y con qué problemas tuvisteis que lidiar durante el desarrollo del sistema FRR? (pregunta de SoraS1dewinder)

T10 OG: De hecho, empezaré con la última pregunta. Hubo muchos problemas cuando empezamos a desarrollar un sistema FRR al final del soporte para FM7 e implementamos la primera iteración de FRR. Se creó escribiendo este sistema de scripts que permitía a nuestros diseñadores escribir algunas reglas simples para determinar quién tiene la culpa. Nuestra idea era que podíamos usar este sistema para modificar esas reglas a través de scripts y actualizar el juego sin tener que actualizar el código del juego: sin requerir una actualización completa del título. Así que ese es un gran objetivo. Pero el sistema de scripts no era lo suficientemente potente ni flexible como para hacerlo bien. Podías hacer que una regla fuera correcta para algunos escenarios y luego fuera incorrecta para otros. No estábamos ni cerca de la precisión que tenemos ahora, así que sabíamos que teníamos que abordar el problema de forma diferente para nuestro título actual. Es un problema muy difícil de resolver y sabemos que todavía tenemos más trabajo para llegar a donde estamos contentos.

Bien, T10 LoungeToy habló de esto, pero creo que está bien si nos repetimos un poco. Entonces, ¿cómo determina el sistema FRR qué tan grande debe ser la penalización por una colisión determinada? El factor más importante es el tamaño del impacto, que está determinado por la velocidad relativa de los autos que chocan entre sí. Luego tenemos un par de modificadores además de eso. Uno es que si el auto que chocas pierde la posición de carrera debido a la colisión, modificaremos la penalización en función de eso. Y el otro es que si vas por encima de la velocidad óptima para tu auto en esa posición en la pista cuando ocurrió la colisión, si vas demasiado rápido en una curva o algo así, también lo modificamos por eso.

Para la próxima versión que saldrá en octubre, vamos a hacer una actualización importante de cómo el sistema determina qué tan grande debe ser la penalización. Y vamos a hacer que nuestra red neuronal también calcule este tiempo de penalización. Hablaré un poco más sobre la red neuronal en un momento. Y vamos a tener dos sistemas que determinen el tiempo de penalización. Y para la primera iteración, simplemente vamos a tomar el menor de los dos.

La última parte, ¿cómo determina FRR quién tiene la culpa? Entonces, usamos una solución de red neuronal. No voy a profundizar demasiado en lo que es una red neuronal aquí hoy. De hecho, ya sabes, tampoco soy el experto del equipo. El experto está sentado justo a mi lado, siendo el soporte en esta llamada de Discord para nosotros. Pero es una técnica de aprendizaje automático de redes neuronales. Está diseñada para tomar un montón de datos como entradas que todos etiquetamos, de lo que hablaba T10 LoungeToy. Y si se entrena adecuadamente, puede construir estas capas de nodos que reconocen patrones y toman decisiones inteligentes.

Hay otra pregunta dentro de un rato, en la que voy a entrar en una capa más de detalle de la red neuronal y todo lo demás. Pero básicamente, ya sabes, es una tecnología realmente genial que permite que el sistema se vuelva más inteligente cuando se le dan suficientes datos. También es algo nuevo para la mayor parte del desarrollo de juegos, ¿verdad? Es un área de aprendizaje automático que evoluciona muy rápido.

¿Habrá algún cambio en la forma en que se aplican o abordan las penalizaciones por salirse de la pista? Me gustaría añadir que han mejorado mucho con el tiempo, pero siguen siendo muy tediosas hasta el punto de que algunas penalizaciones por salirse de la pista dan como resultado uno o más segundos adicionales cuando no ganas tanto tiempo por sacar un neumático.

(preguntado por Ash)

T10 OG: Esa es una muy buena pregunta. Déjame comenzar con cómo funciona el sistema actualmente, que es un poco repetitivo, pero está bien. Para las penalizaciones por salirse de la pista específicamente, queríamos construir un sistema que solo aplicara penalizaciones si te salías de la pista y obtenías una ventaja de tiempo al hacerlo. Si te sales de la pista y no obtienes una ventaja de tiempo, no te penalizaremos.

La forma en que averiguamos esto es que usamos nuestro sistema de IA de conducción y observamos la línea de carrera ideal y la velocidad para tu auto en particular, tus mejoras particulares, tu configuración. Básicamente, si vas más rápido en ese segmento de la pista en el que te sales de la pista y nuestra IA de nivel superior cree que no puede, te penalizamos con la cantidad de tiempo que ganaste más un pequeño escalar adicional. Así que estoy bastante seguro de que [el jugador que hizo esta pregunta] es bastante rápido si recibe penalizaciones habituales cuando se sale de la pista, porque la mayoría de la gente no las recibe, porque no van más rápido que nuestra IA más rápida. Esto es definitivamente algo de lo que somos conscientes. Se está volviendo más importante para la comunidad, y específicamente para algunos de nuestros conductores más rápidos y las personas que más juegan al juego.

Así que es importante. Creo que vamos a tener que hacer algunas modificaciones al sistema. No puedo decir exactamente cuándo todavía, pero reconocemos que esto es un problema y que necesita trabajo para algunos de nuestros conductores más rápidos. Así que, sí, gracias por ese comentario.

T10 LoungeToy: Sí, y, muy rápidamente, definitivamente somos conscientes de algunas de las deficiencias que tenemos con el ordenador de velocidad y cómo afecta a nuestras penalizaciones por salirse de la pista. Estamos muy, muy concentrados en solucionar primero la parte de colisiones de FRR. Por lo tanto, nuestra prioridad en este momento es asegurarnos de que todas las colisiones estén bien y luego comenzaremos a abordar cuestiones como los fuera de pista, solo para que entiendas dónde estamos con nuestras prioridades.

¿Cuál es tu parte favorita de lo que haces en tu rol en Turn 10 Studios? (preguntado por PTG Jamie)

T10 LoungeToy: He trabajado en muchos estudios diferentes, he creado muchos juegos diferentes, y lo mejor de este estudio, Turn 10, es que puedo ir todos los días y hablar de coches y carreras. No hay ningún otro estudio en el que haya podido hacer eso.

Un gran ejemplo: acabo de reventar un motor S54 y eso me va a costar mucho dinero. Fue un verano duro de carreras y al final, estaba dando paseos divertidos a algunas personas y creo que nos excedimos un poco, y eso me va a costar caro. Hay varias personas en el estudio que no solo han trabajado en las entrañas del motor S54, sino que también lo han hecho competir muy duro a lo largo de los años. Así que inmediatamente pude entrar y hablar con todos estos expertos sobre "oye, ¿qué hay que hacer? ¿Cuáles son las señales de esto? ¿Cuáles son mis opciones aquí?” Esa increíble base de conocimiento de, por ejemplo, en qué otro lugar del mundo puedes, fuera del garaje de un mecánico, presentarte a trabajar y decir, “oye, ¿se me reventó el S54? ¿Y qué te parecería reconstruirlo?”. De nuevo, me encanta pensar, me encanta hablar, me encanta entusiasmarme con los coches y las carreras y no hay mejor lugar para hacerlo que aquí.

T10 OG: Bien, entonces una especie de respuesta en dos partes para mí. Primero, para mí es simplemente la gente con la que trabajo. La gente con la que trabajo todos los días, ya sabes, Turn 10, tenemos este equipo en constante evolución: desarrolladores de juegos superinteligentes y apasionados que disfrutan de ir a trabajar, diría que la mayoría de los días, tal vez no todos los días, ¡pero la mayoría de los días! Y mucha gente no puede decir que le gusta ir a trabajar la mayoría de los días. Así que eso es bastante genial. He trabajado con algunas de estas personas durante más de 20 años y se han convertido en amigos de toda la vida, prácticamente en mi familia.

En segundo lugar, para mí, es simplemente trabajar en problemas realmente interesantes y desafiantes. En particular, en el espacio de simulación, tenemos cosas como física y FRR, IA, volantes, cosas así. Cosas que disfruto particularmente. Aprendí a programar cuando tenía unos 10 años y siempre me ha encantado. Ya sabes, les hacía a mis amigos estos pequeños juegos simples en Q Basic, sé que me estoy delatando al decir eso, pero bueno. Siempre fue una emoción enorme que la gente jugara algo que yo había creado y disfrutara con ello. Y ahora puedo hacer lo mismo y me pagan por ello. Así que sí, no está nada mal.

Como alguien que hace investigación de aprendizaje automático principalmente aplicada a la biología y la industria aeroespacial, me encantaría tener una visión general o comprender los aspectos técnicos detrás de FRR y su arquitectura. Siempre he tenido curiosidad por saber cómo se implementan este tipo de sistemas en un entorno de juego y me encantaría saber más. (preguntado por PJK)

T10 OG: ¡El aprendizaje automático en biología y la industria aeroespacial suena bastante genial! Tendremos que ponernos un poco técnicos aquí. Primero, hablamos sobre el hecho de que estamos usando una técnica de aprendizaje automático de red neuronal diseñada para tomar un montón de datos y, si se entrena adecuadamente, puede construir capas de nodos, tomar decisiones inteligentes, etc. Entonces, ya sabes, ese es el primer paso de la arquitectura de su red neuronal.

Hablemos de algunas de las entradas al sistema. Las entradas al sistema son todos los datos que creemos que, como un cerebro humano entrenado, o como un comisario de carrera, necesitaría para determinar quién tiene la culpa en la colisión y qué tipos de penalizaciones aplicar. Entonces, capturamos aproximadamente 7 segundos antes y 7 segundos después de la primera colisión. Capturamos estos datos a 12 hercios, es decir, aproximadamente 12 veces por segundo.

Capturamos cosas como la posición de tu auto y de los autos más cercanos a ti. Capturamos la orientación del auto y cómo está orientado en comparación con la dirección de la pista. Capturamos la velocidad de los autos, la velocidad óptima a la que deberían ir en esa parte de la pista. Las entradas del auto, ¿están frenando? ¿Están acelerando? ¿Están dirigiendo hacia la curva o alejándose de ella? ¿Están dirigiendo hacia la colisión o alejándose de ella? Entonces, todas estas cosas y más: los puntos de la colisión en relación con los autos, el tamaño del impacto.

Bien, entonces, ¿cómo entrenamos la red neuronal? En la presentación mostramos el clip de nuestra herramienta de entrenamiento FRR. Capturamos todas estas entradas de las colisiones en la versión minorista del juego. Las almacenamos en un servidor y tenemos la capacidad de verlas en diferentes tipos de colisiones. Entonces, tenemos esa sencilla herramienta de visualización que muestra los autos en la pista desde una vista aérea. Permitimos al usuario desplazarse hacia adelante, hacia atrás, mirar el incidente desde todos los ángulos y luego etiquetar quién tiene la culpa.

Hasta ahora, tenemos decenas de miles de incidentes etiquetados, pronto serán cientos de miles. Esto se introduce en este modelo de entrenamiento de red neuronal. Y una vez que tiene todos los datos de entrenamiento, los procesa, lo que lleva muchas horas, y crea ese modelo de red neuronal.

La última parte es, una vez que tenemos ese modelo entrenado, ¿cómo se ejecuta? Entonces, en el juego rastreamos tu auto y todas esas entradas. Cuando un auto choca con otro, tenemos esos datos de los 7 segundos anteriores y posteriores. Empacamos todos esos datos en el vector de entrada y eso se introduce en el código de tiempo de ejecución de la red neuronal. En realidad, ejecutamos el código localmente, en la máquina en la que estás jugando. No lo enviamos a un servidor para que se ejecute, ni nada por el estilo.

Una de las cosas más complicadas para nosotros es que nuestro juego ya está llevando los núcleos de la CPU al límite cuando se ejecuta con 24 autos y se necesita una cantidad considerable de CPU para procesar un incidente en particular. Por eso decidimos procesar el incidente en el transcurso de unos pocos segundos, alrededor de 100 o 200 cuadros de juego. Lo ejecutamos en un subproceso de menor prioridad en la CPU, lo que permite que nuestro núcleo de juego, nuestro núcleo de renderizado, el núcleo de audio y todo el resto del código que se está ejecutando todo el tiempo sigan funcionando a toda velocidad. Dado que no necesitas un resultado inmediato para FRR, simplemente permitimos que se ejecute un poco más lento durante ese tiempo y obtuvimos el resultado.

¿Sería posible introducir un sistema de sanciones y/o habéis considerado otros sistemas además del sistema FRR que está en vigor actualmente? (preguntado por Artiick)

T10 LoungeToy: ¿Hemos considerado otras formas de implementar un sistema de sanciones o un sistema de arbitraje? Por supuesto que sí. Definitivamente hemos analizado cosas como la solución de iRacing y hemos debatido extensamente sobre cómo podríamos hacer algo similar o cómo podríamos aprender de ello. Lo considero como un modelo de seguro o algo así: el sistema de sanciones es una idea muy similar, que sugiere que tal vez nos alejemos de un tipo de sistema de determinación de culpa y ese tipo de cosas. Todos son puntos de discusión realmente interesantes y definitivamente podemos pensar en cómo podríamos, en el futuro, si las cosas no funcionan con FRR como lo están actualmente con nuestro modelo de aprendizaje automático, tal vez tomemos un camino diferente.

Lo que puedo decir es que, en este momento, realmente no estamos considerando una solución diferente para nuestro arbitraje, todavía no. Todos estamos comprometidos con la FRR con el modelo de aprendizaje automático y creo que ahora tenemos todas las herramientas adecuadas y las inversiones adecuadas para llegar a donde necesitamos que esté. Eso es lo que diré sobre todos los diferentes modelos. Pero ahora mismo, creo que tenemos una muy buena oportunidad de hacer que la FRR sea increíble.

¿Hay planes para agregar más datos de telemetría a la función de salida de datos? Estamos desarrollando una aplicación para Forza Motorsport y será genial poder recopilar más datos de telemetría, como la telemetría de otros conductores, la distancia entre conductores y el tipo y tipo de neumáticos. (preguntado por Anotherjez)

T10 LoungeToy: Siempre estamos buscando formas de agregar datos y hacer que estas experiencias de terceros sean realmente increíbles. He visto algunos elementos de HUD realmente buenos basados ​​en la telemetría y la salida de datos, que se ven muy bien y también nos han inspirado. En realidad, es solo una cuestión de prioridades y de hacernos saber lo que estás buscando y qué tipo de salida de datos estás buscando. Agrégalo a nuestro Centro de sugerencias.

¿Es probable que veamos IA en el modo multijugador privado? (pregunta de Jess)

T10 LoungeToy: Aunque mi equipo trabaja en aspectos de la IA, no necesariamente cubre cómo hablamos de la IA en el modo multijugador privado en su totalidad, porque no es solo nuestro equipo el que necesita que funcione. Cada persona del equipo quiere ver IA en el modo multijugador privado. Es solo una cuestión de nuestras prioridades y de asegurarnos de que lo incluyamos en nuestro cronograma. Tenemos muchas cosas en nuestro agenda en este momento y nos estamos asegurando de que todas las inversiones, características y lanzamientos actuales se realicen sin problemas. Pero sí, esto definitivamente está en nuestra lista. Hablamos de esto literalmente todos los días. Con suerte, pronto podremos aclararlo.

¿Te gusta el karting? (preguntado por h4rr1s)

T10 OG: ¡Claro que sí! Y, de hecho, el equipo de simulación recientemente realizó una pequeña excursión a PGP Pacific, PGP Motorsports en Kent, WA. Es una gran pista al aire libre con karts legítimos. Son bastante rápidos, es una pista agradable. Sí, tenemos algunas personas realmente rápidas en el equipo de simulación de karting. Sabes, definitivamente es una habilidad bastante importante para ser rápido; creo que yo estaba en algún lugar en el medio del grupo. Teníamos algunas personas con Go-Pros en sus cascos. Capturamos algunas imágenes realmente geniales. Tal vez podríamos usar algunas de esas imágenes para mejorar nuestro modelo FRR, je, ¡porque no siempre fue necesariamente la carrera más limpia!

T10 LoungeToy: Hay muchos fanáticos del karting aquí, y varios miembros del equipo realmente participan en ligas y ese tipo de cosas.

¿Cómo tiene en cuenta el sistema de penalizaciones de Forza la latencia de Internet? ¿Hay alguna forma de que se adapte a las colisiones en un solo sentido y ayude a tomar mejores decisiones sobre las penalizaciones en función de la detección de impactos de un jugador a otro? Una pregunta aparte, ¿la colisión entra en juego al calcular las penalizaciones por límite de pista? (preguntado por A Lost Crayon)

T10 OG: Gran pregunta. En primer lugar, calculamos todas las penalizaciones de forma local, lo que significa que se calculan en la Xbox o PC en la que estás jugando. Por lo tanto, no se calculan en el servidor. No utilizamos un servidor autorizado para determinar las penalizaciones, esto tiene sus pros y sus contras, pero en este caso particular, creo que es algo bueno. Significa que la red neuronal para las penalizaciones solo observa el movimiento de los autos como lo ve tu máquina local.

Por lo tanto, tu auto no tendrá problemas de retraso con él y su movimiento. Pero es posible que los autos que te rodean sí los tengan. Es posible que se retrasen, es posible que tengan un movimiento inconsistente debido a la latencia. Por lo tanto, nuestra red neuronal también se ha entrenado con estos datos capturados de las tiendas minoristas. Por lo tanto, cada incidente que etiquetamos proviene de una caja en particular, que tiene problemas de latencia del mundo real como este en los datos. En muchos de los incidentes en los que hemos etiquetado quién tiene la culpa, algunos de los autos tendrán un movimiento similar. Esto también significa que la red neuronal aprenderá a lidiar con esto siempre que tengamos suficientes incidentes que se comporten de esa manera.

¿La colisión entra en juego al determinar los límites y las penalizaciones de la pista? Entonces, si te sales de la pista, ¿tomamos en cuenta las colisiones que ocurrieron antes de eso? Actualmente, no lo hace. Solo analiza si tu auto ganó tiempo en comparación con esa IA de dificultad máxima en la sección de la pista donde saliste y luego entraste, algo así como lo que hablamos. Entonces, si otro auto te empuja fuera de la pista y luego te acelera, no lo tiene en cuenta. Ya sabes, es una pequeña deficiencia de ese sistema. Hemos estado hablando de esto recientemente. Como LoungeToy mencionó anteriormente, hasta ahora nuestro principal objetivo para mejorar la FRR ha sido mejorar las colisiones entre vehículos. Pero a medida que eso mejora, también estamos comenzando a analizar las penalizaciones por salir de la pista.

¿Cuántas formas de aplicar penalizaciones consideraste para Forza durante su desarrollo? ¿Agregar las penalizaciones al tiempo total de carrera fue tu primera idea y primera opción, o consideraste otras formas como una maniobra de frenado forzado (como en GT7) o algún tipo de desventaja temporal de potencia o agarre? (preguntado por Deutschmaschine)

T10 LoungeToy: La respuesta es sí. Hemos discutido muchas formas diferentes de cumplir la penalización. El primer concepto que tuvimos, que de hecho implementamos en FM7, cuando FRR estaba en sus inicios, en realidad marcamos cada pista para tener áreas de desaceleración, similares a la parte GT, donde podrías cumplir tus penalizaciones de tiempo en la pista. De hecho, teníamos eso en funcionamiento. Nunca lo lanzamos. Había muchos problemas allí, y el camino más fácil a seguir en ese momento era simplemente agregar las penalizaciones de tiempo a tu tiempo total de carrera.

Ahora, nos hemos mantenido en eso y en general, creo que ha sido una solución aceptable. Hemos hablado de cosas como poder cumplir esas penalizaciones de tiempo tanto en la pista como en los boxes, ese tipo de cosas. Y estamos buscando otras formas de abordar esto en el futuro. Una de las cosas que no me gusta de nuestro sistema actual es que si alguien tiene una penalización de tiempo enorme frente a ti, en realidad no deberías competir con él, porque ya no está en esa posición. Y realmente termina siendo una especie de obstáculo para tu carrera. Así que definitivamente hay cosas que debemos analizar aquí en términos de equilibrar todo esto. Pero sí, hemos analizado un montón de formas de cumplir las penalizaciones y asegurarnos de que todo esté bien equilibrado. Estaremos estudiando esto con seguridad.

¿Tendremos una configuración más detallada para el control de tracción y el ABS que podamos cambiar en cada coche? ¿Así que del 1 al 8, en lugar de solo activarlo o desactivarlo? (preguntado por Lrapsody27)

T10 OG: Sí, esto es algo que me apasiona enormemente, y sé que a muchos de los que están en el lado de la simulación les apasiona enormemente. Ha estado en nuestra lista durante mucho tiempo. Hemos tenido muchas otras prioridades que se le han adelantado, pero es algo que esperamos lograr muy pronto.

¿Has considerado agregar información sobre el compuesto de los neumáticos junto a los tiempos de vuelta durante las prácticas y en la pantalla posterior a la carrera? (preguntado por Joshsmosh)

T10 LoungeToy: Sí, lo hemos considerado. Como nota rápida, lograr cambios en el HUD o la IU es en realidad lo más difícil para nosotros. Es muy difícil y lleva mucho tiempo. Por lo tanto, algo tan aparentemente simple como la información sobre el compuesto de los neumáticos puede ser en realidad una de las cosas más difíciles de agregar en el juego. Sin embargo, definitivamente es una de las muchas cosas que nos gustaría asegurarnos de que los jugadores conozcan, junto con la calificación de seguridad y ese tipo de cosas. Estamos de acuerdo en que sería muy, muy útil ver esto, especialmente en el modo multijugador destacado. Definitivamente estamos estudiando cómo incluir estos datos en la IU del HUD y en las tablas de clasificación.

Si el dinero no fuera un problema, ¿qué coche/furgoneta/SUV/pickup elegirías para lo siguiente: (1) uso diario, (2) carreras en pista, (3) para ayudarte en un apocalipsis zombi? (preguntado por Burny)

T10 OG: Bien, uso diario: tal vez sea una respuesta bastante básica para mí, pero estuve mirando esto el otro día y siempre me han gustado los BMW y la forma del BMW M4. Así que me quedaré con eso. Para las carreras en pista, me quedo con la Fórmula Mazda. Tal vez sea algo básico, pero tuve la suerte de participar en la Escuela de Carreras de Bondurant, y fue increíble, el último día que pudimos conducir estos coches. Es como, súper manejable desde una perspectiva de potencia, para un aficionado, pero tiene un manejo increíble. Vale, apocalipsis zombi. Tal vez sea solo porque vivimos donde vivimos y vemos muchos Tesla, pero hemos estado viendo muchos Cybertrucks circulando últimamente. Y creo que son horribles. De verdad que sí. Nunca diría que quisiera un Cybertruck, pero, ya sabes, tal vez sea bueno para los zombis. ¿Quién sabe?

T10 LoungeToy: Tengo gustos muy particulares y nadie diría que este es un vehículo para uso diario, pero creo que un LFA sería fantástico para uso diario, porque el sonido es increíble. ¿Quién no querría oír eso en su viaje diario al trabajo? Sería increíble. Día de pista: oh, eso es fácil, GT4 RS, eso es fácil. Creo que es uno de los mejores coches de conducción que existen y me encantaría. Apocalipsis zombi: un Sherp, si sabes lo que es eso. Eso es absolutamente lo que tendría, si el dinero no fuera un problema.

Thank you for joining us for our first “In the Garage” session! Stay tuned to our Forza Motorsport channels, as this is where we’ll be announcing more of these AMAs with other teams at Turn 10 Studios in the future.

¡Gracias por acompañarnos en nuestra primera sesión de “En el garaje”! Mantente atento a nuestros canales de Forza Motorsport, ya que aquí es donde anunciaremos más de estos AMA con otros equipos en Turn 10 Studios en el futuro.

 

 

 

 

 

Traduccion: Peter Maxwell
GT: ForzaManiaES