今年初め、Roblox は、すべてのユーザーにとってコンテンツ作成をより合理化することを目指して、プラットフォームに生成型 Roblox AI を追加するという野心的な計画を発表しました。生成型 AI、特に大規模言語モデル (LLM) の最近の進歩は、没入型体験を強化するための新しい展望を約束します。このような進歩は、作成プロセスをスピードアップするだけでなく、計算需要を抑えながらより安全な環境を確保します。
AI の注目すべきトレンドの 1 つは、マルチモーダル モデルの台頭です。画像やテキストから 3D モデルやオーディオまで、さまざまなコンテンツ形式を処理できるこれらのモデルは、作成ツールを再定義しています。複数のモード (たとえば、テキストとそれに対応するビジュアル) を組み合わせた出力を生成する機能は、大きなイノベーションとして際立っています。Roblox にとって、これは 2 つの利点を表しています。
熟練したコンテンツ作成者の生産性を向上させます。
創造のプロセスが民主化され、より幅広いユーザーがプラットフォーム上でアイデアを実現できるようになります。
先日の Roblox Developers Conference (RDC) で、同社は Roblox Studio に生成 AI を組み込んだいくつかのツールのリリースを発表しました。これらのツールは、プロジェクトの迅速なスケーリング、反復プロセスの加速、ユーザーの創造力の向上を目的としており、一流のコンテンツ生成を保証します。
Roblox AIアシスタント
Roblox は、詳細な 3D 体験を作成するために必要なリソースをクリエイターに一貫して提供してきました。しかし、多くのクリエイターは、サードパーティの生成および会話型 AI ツールに支援を求めていました。これらの汎用バージョンは、一部の負担を軽減するのには役立ちましたが、Roblox 独自のワークフローや独特のコード、専門用語、俗語には適合していませんでした。その結果、クリエイターはこれらのツールを Roblox コンテンツに統合しようとする際に大きな課題に直面しました。このギャップを認識した Roblox は、RDC 中にこれらのツールの利点を Roblox Studio に直接組み込む取り組みを発表し、「アシスタント」と呼ばれるツールの初期バージョンを導入しました。
「アシスタント」は、経験レベルに関係なく、クリエイターの創作プロセスを効率化するために設計された、ロブロックスの社内会話型 AI です。ルーチン タスクに費やす時間を最小限に抑え、クリエイターがストーリーライン、ゲームプレイ、全体的なデザインなどの領域に集中できるようにすることを目的としています。公開されている 3D モデルの膨大なライブラリと、モデルをプラットフォーム API と統合する機能により、ロブロックスは複雑な 3D ユニバース向けの AI モデルを開発するための最有力候補として際立っています。アシスタントを使用すると、クリエイターはわかりやすい言葉のプロンプトを使用してシーンを設計し、3D モデルを変更し、オブジェクトにインタラクティブな特性を注入することができます。このツールは、理解、プログラミング、構築という 3 つの主要な作成段階をカバーしています。
理解: 初心者でも Roblox のエキスパートでも、Roblox AI Assistant は平易な言葉でさまざまな質問に回答します。プログラミング: 既存の「コード アシスト」機能を基に、アシスタントはコーディングを強化し、特定のコード セグメントを説明し、デバッグ ソリューションを提供します。構築: クリエイターはアイデアをすぐに具体的なモデルに変換できます。「この道を街灯で照らす」や「さまざまな森を作り、低木や花で飾る」などのコマンドを入力することで、シーン全体を具体化できます。アシスタントとの連携は、クリエイターがフィードバックを与え、結果を改良できる、動的な双方向のプロセスとして想定されています。これは、経験豊富な共同クリエイターと共同作業するのと似ており、ブレインストーミングとアイデアの最適化を促進します。
RDC 中に、Roblox は新しい Roblox AI ツールである Assistant に関する追加の発表を行いました。開発者には、Code Assist や Assistant などの Roblox AI ツールの効率と機能を強化するために、匿名化された Luau スクリプト データを提供する機会が与えられました。そうすることで、開発者は Roblox 開発者コミュニティを支援するだけでなく、Roblox を超えて貢献することを選択した場合は、より広範な Luau 開発者コミュニティにも役立ちます。共有されたスクリプト データは、サードパーティがアクセスできるデータセットに組み込まれ、Luau コードの提案を改善するために AI チャット ツールを改良することを目的としています。
アバターデザインの合理化
Roblox のビジョンは、毎日 6,550 万人という驚異的な数のユーザーが、自分のアイデンティティを真に反映し伝えるアバターを所有できるようにすることです。最近、UGC プログラムのメンバーがアバターのボディとスタンドアロンのヘッドをデザインして販売できる機能が導入されましたが、現在のデザイン プロセスでは、Studio または UGC プログラムを操作する必要があります。高度なスキル レベルが要求され、顔の表情や 3D リギングなどの機能を統合するには数日かかるため、アバターの作成は長期にわたる作業になります。その結果、アバターのオプションは限られたままです。しかし、Roblox はこれらの制限を超えて拡張することを構想しています。
すべての Roblox ユーザーが個性的でダイナミックなアバターを簡単に作成できるようにするために、同社はアバター作成プロセスを簡素化することを目指しています。RDC では、2024 年に予定されている革新的なツールの公開が発表されました。このイノベーションにより、1 枚または複数の画像をカスタム アバターに変換できるようになります。Studio または UGC プログラムに所属するクリエイターであれば誰でもこのツールを使用でき、画像をアップロードして、生成されたアバターをパーソナライズできます。Roblox の長期的な目標には、これらの Roblox AI 機能を Roblox エクスペリエンスに直接組み込むことが含まれています。
これを実現するために、Roblox はプラットフォームのアバター デザインと Roblox 固有の 3D アバター モデルのコレクションを基に AI モデルの開発に注力しています。検討中の手法には、2D ビジュアルから 3D アバターを生成すること、2D 生成戦略によって限られた 3D データを強化すること、3D 生成に敵対的生成ネットワーク (GAN) を使用することなどがあります。さらに、ControlNet テクノロジを利用してプリセット ポーズを重ね合わせ、マルチアングル アバター ビジュアルを強化しています。
3D アバター構造の作成後、アバターのポーズに基づいて高度な 3D セマンティック セグメンテーションが行われます。この手順により、初期の 3D デザインが洗練され、特徴的な顔の要素、構造、テクスチャが組み込まれ、最終的に基本的な 3D フォームが本物の Roblox アバターに変身します。その後、ユーザーはメッシュ編集ツールを使用してさらにカスタマイズし、アバターを自分の思い描いたコンセプトに合わせることができます。驚くべきことに、Roblox AI を使用すると、このプロセスはわずか数分で完了し、アバターを Roblox エクスペリエンスにすぐに統合できます。
音声コミュニケーションの調整
Roblox AI は単なるコンテンツ作成にとどまらず、多様で安全かつ敬意のあるコミュニティを大規模に育成する堅牢なメカニズムとしても機能します。ボイスチャット、Roblox Connect、RDC で新たに発表された API などの新しい音声機能の導入により、リアルタイムの音声コンテンツのモデレートが新たな課題として浮上しています。業界で普及しているソリューションである自動音声認識 (ASR) は、オーディオ ファイルをテキストに変換し、不適切な可能性のあるコンテンツや特定のキーワードがないか精査することで機能します。
小規模な組織には効果的ですが、Roblox の膨大なユーザーベースに ASR を導入すると、その非効率性が明らかになりました。トーンや音量などのニュアンスを捉えられないだけでなく、複数の言語にまたがる日常会話の量が膨大であるため、扱いにくくなります。これらの課題を認識した Roblox AI は、ライブ音声から直接ポリシー違反を特定する、より合理化された手順を開発しました。
この最先端の音声検出メカニズムは社内で開発されました。Roblox AI は ASR を使用して独自の音声データセットを分類し、分類されたデータをシステム トレーニングに利用しました。トレーニング プロセスは、音声をトランスクリプトに変換することから始まり、その後、Roblox 固有の専門用語や潜在的な違反の特定にすでに長けている Roblox のテキスト フィルター システムによって評価されます。その結果、Roblox は音声ストリームから直接ポリシー違反をリアルタイムで検出できるモデルを手に入れました。
Roblox の AI システムは、明示的なキーワードの識別に長けている一方で、ポリシー違反はより広い文脈に依存することが多いことを認識しています。ある状況では不快な単語が、別の状況では無害である可能性があります。文脈の理解を向上させるために、Roblox はシーケンス分析に長けたトランスフォーマーベースのアーキテクチャを統合しました。このフレームワークは、拡張されたオーディオシーケンスを保持し、システムが単語、コンテキスト、イントネーションを識別できるようにします。その結果、キーワード、トーン、感情、全体的なコンテキストを考慮し、ポリシーの順守に基づいてオーディオを分類するシステムが実現します。驚くべきことに、この革新的なシステムは、従来の ASR よりも大幅に少ない計算能力しか必要とせず、Roblox の拡張可能なビジョンと一致しています。