Rocket League devient un banc d’essai pour World Models

Avec MIRA, Kyutai et General Intuition, en collaboration avec Epic Games, présentent ce que le rapport technique décrit comme le premier world model interactif multijoueur pour un environnement aussi dynamique. Le modèle apprend à simuler un match 2v2 à partir des vues et des actions de quatre joueurs simultanés, puis produit une partie jouable en temps réel, à 20 images par seconde sur un seul GPU Nvidia B200.

L'entraînement repose sur environ 10 000 heures de matchs générés par self-play entre instances du bot public Nexto, sans aucune donnée de joueur humain. L'architecture combine un transformer de diffusion de 5 milliards de paramètres et un codec vidéo de représentation de 600 millions de paramètres, construit sur l'encodeur visuel DINOv3 : c'est ce choix, selon les auteurs, qui garantit la stabilité des simulations, capables de tourner des heures sans diverger. Le tout sans moteur physique, sans rendu 3D, sans représentation explicite de la scène. Le modèle maintient pourtant la cohérence entre les quatre vues, les collisions, la jauge de boost, les buts et les démolitions, uniquement à partir de pixels et d'actions. Une stratégie d'action dropout à l'entraînement permet en prime un mode autopilote : le modèle pilote lui-même les voitures dont les commandes sont retirées, de un à quatre joueurs.

Le projet arrive avec une démo en ligne, un rapport technique détaillé, le code d'entraînement et d'inférence, ainsi que Rocket Science, un sous-ensemble de 1 000 heures de matchs en 720p. Les limites sont documentées sans détour : ralentis de but inventés, chronomètre qui dérive, ballon qui roule tout seul quand personne n'y touche. Rocket League sert ici de terrain fermé : assez propre pour tester, assez dynamique pour casser les systèmes fragiles, avec en ligne de mire la robotique, la conduite autonome et la Physical AI.