VAST apre EdenLive, modello di mondo che genera immagini al volo

Immaginate: arrivate davanti a una porta, non siete sicuri di poter entrare, quindi vi girate, fate due passi e saltate un paio di volte per vedere se riuscite a scavalcare il muro accanto. Nei videogiochi è un'azione del tutto normale. Ma se l'immagine davanti agli occhi è generata dall'AI in tempo reale, il modello deve stare al passo con ogni decisione improvvisa del giocatore — fermarsi di colpo, girarsi all'improvviso, correre o saltare — e ogni fotogramma deve restare stabile. È questa la difficoltà che VAST affronta con EdenLive, il modello di mondo in tempo reale appena reso open source.

La suddivisione dei compiti è la chiave. Regole, punti vita, collisioni e condizioni di vittoria restano gestiti dal sistema di interazione a monte: quando il giocatore preme il tasto di attacco, il sistema stabilisce se il colpo va a segno e quanti punti vita sottrarre, aggiorna lo stato del personaggio e trasforma ogni cambiamento in un'immagine grey box che mostra solo disposizione spaziale e movimento. EdenLive prende in carico questa immagine e il modello generativo decide come debba apparire davvero: l'immagine di riferimento definisce struttura, movimento e inquadratura, il primo fotogramma di destinazione stabilisce materiali, colori e stile, mentre il prompt di testo aggiunge i dettagli. VAST aveva già descritto questa architettura a tre livelli in modo completo con il progetto Project Eden, presentato lo scorso maggio.

Il team ha usato Gemini-3.8-Flash per confrontare in cieco a coppie 45 casi di lunga durata. Su cinque dimensioni — aderenza al riferimento, coerenza con il primo fotogramma, plausibilità fisica, qualità dell'immagine ed evitamento delle perdite d'aspetto — EdenLive 14B e 5B occupano il primo e il secondo posto. Prendendo come esempio l'aderenza al riferimento, il 14B ottiene 1704 punti, circa 200 in più di AgentGarten. Sul fronte della velocità, il team dichiara che EdenLive 5B, su una sola scheda grafica di consumo RTX 5090, genera immagini in 720P a oltre 24 FPS e supporta generazioni continue di alcuni minuti. Questi numeri provengono dalle valutazioni e dalle dichiarazioni del team stesso e restano lontani da una verifica indipendente.

Per i team che lavorano su prototipi di giochi e anteprime di animazione, il cambiamento è concreto: la stessa scena grey box, con un nuovo primo fotogramma e una frase di prompt, può essere resa in stili molto diversi tra loro, come fotorealistico, tratto a matita, cartoon, pixel art o pittura a olio; se la telecamera si allontana e poi torna indietro, la struttura della scena rimane al suo posto. Per i team di robotica, i video di una persona che pulisce un tavolo, girati con una videocamera montata sulla testa, possono avere la mano umana sostituita da una mano robotica mantenendo gesti e inquadratura, così da produrre materiale di addestramento dal punto di vista del robot. Pesi del modello, codice di inferenza e interfaccia di lavoro sono ora disponibili, mentre il materiale di partenza non indica una tabella di marcia per un utilizzo su larga scala.

I limiti sono altrettanto chiari. EdenLive non stabilisce cosa accade nel gioco e non fa funzionare il mondo: un filmato esistente, una volta riprodotto, resta un video, e la giocabilità dipende dal codice a monte. Le precedenti dimostrazioni di modelli di mondo usavano spesso un video per provare che il modello sa immaginare un mondo. La novità di EdenLive sta nel separare «chi gestisce le regole» da «chi gestisce le immagini», e nel fare in modo che le immagini seguano i movimenti del giocatore.