IA de miHoYo: así juega Gamer a Honkai: Star Rail

Los creadores de Genshin Impact presentan una inteligencia artificial capaz de combatir, explorar y completar misiones con teclado y ratón, aunque sus pruebas también revelan limitaciones.

Publicado el  

Ilustración semirrealista y cinematográfica para una noticia sobre la IA de miHoYo que muestra un escritorio en una habitación oscura, con un monitor que presenta un paisaje de fantasía de montañas, cascadas y cielo estrellado, un teclado y un ratón iluminados en azul y líneas luminosas de datos que fluyen desde la pantalla hacia el teclado.

La IA de miHoYo ya es capaz de jugar a Honkai: Star Rail observando la pantalla y utilizando el teclado y el ratón. El equipo de investigación de Honkai ha presentado Gamer, un modelo que toma decisiones mientras avanza por el videojuego. Puede combatir, explorar escenarios, utilizar menús y completar determinadas misiones sin acceder directamente a los controles internos del juego. Sin embargo, se trata de un proyecto experimental, no de una función disponible para los jugadores.

La investigación se publicó el 13 de noviembre de 2026 y muestra cómo una inteligencia artificial puede aprender tareas interactivas. En lugar de recibir instrucciones específicas para cada movimiento, Gamer analiza imágenes y decide qué acciones realizar. Sus creadores también han incorporado un sistema de memoria para recordar objetivos, errores y lugares importantes.

Qué es Gamer, la IA de miHoYo que juega como una persona

Gamer es un modelo desarrollado por el equipo de investigación de IA de Honkai de miHoYo. La compañía es conocida por videojuegos como Genshin Impact y Honkai: Star Rail. Según explica la página oficial del proyecto Gamer, su objetivo es investigar agentes capaces de interactuar con videojuegos mediante imágenes y controles habituales.

El sistema recibe cinco capturas de pantalla por segundo y analiza lo que ocurre en cada momento. Después decide cómo mover el ratón o qué teclas debe pulsar para continuar. Este funcionamiento le permite controlar al personaje, orientar la cámara y desplazarse por los menús. También puede interactuar con elementos del escenario y enfrentarse a enemigos.

Cómo aprende la IA de miHoYo a completar misiones

El entrenamiento utilizó más de 10.000 horas de partidas grabadas, incluyendo unas 1.000 horas seleccionadas de Honkai: Star Rail. Ese material incorporaba explicaciones de decisiones importantes y resúmenes sobre lo ocurrido durante las sesiones. Posteriormente, los investigadores mejoraron el modelo mediante aprendizaje por refuerzo, un método que permite ajustar su comportamiento a partir de resultados.

Una parte fundamental del sistema es su memoria de tareas, que conserva información útil durante las partidas. Gamer puede recordar objetivos completados, intentos fallidos, lugares relevantes y recursos disponibles. También registra qué actividades siguen pendientes, evitando depender únicamente de la imagen que aparece en pantalla. Los vídeos de demostración muestran combates, misiones completadas y la derrota de un jefe.

Los resultados de la IA de miHoYo en Honkai: Star Rail

Las pruebas publicadas muestran avances importantes, pero también diferencias considerables entre unas tareas y otras. Según recoge Dexerto en su información del 17 de noviembre, Gamer completó buena parte de los objetivos de dos misiones secundarias. También fue evaluado con 40 puzles pertenecientes a siete tipos de minijuegos. Estos son los principales resultados comunicados sobre el modelo:

  • Opportunity Makes the Thief (Part I): completó el 80 % de los objetivos.
  • Bestial Ferocity: alcanzó el 83,6 % de los objetivos.
  • Pruebas de puzles: obtuvo un 49,7 % de éxito medio en 40 desafíos.
  • Versión sin aprendizaje por refuerzo: consiguió un 39,2 % de éxito medio.
  • Mejor modelo generalista comparado: alcanzó un 17,1 %.
  • Navigation Compass: registró un 95,8 % de éxito.
  • Abacus Circuitry: consiguió un 22,2 %.
  • Tiempo de respuesta: pasó de 1.306 a aproximadamente 65 milisegundos.

La comparación refleja una mejora respecto a la versión anterior y al modelo generalista utilizado como referencia. Sin embargo, el resultado medio en puzles permanece por debajo del 50 %. La diferencia entre Navigation Compass y Abacus Circuitry también evidencia que Gamer no domina todas las actividades por igual.

Por qué la velocidad de respuesta es importante

Como cualquier sistema que controla un videojuego, la IA de miHoYo necesita reaccionar mientras cambian las imágenes de la pantalla. Los investigadores redujeron el tiempo de respuesta del sistema desde 1.306 hasta aproximadamente 65 milisegundos. Esta mejora facilita que Gamer tome decisiones con mayor rapidez durante movimientos, combates e interacciones.

La reducción de latencia no significa que el modelo siempre elija la acción correcta. Los resultados de los minijuegos demuestran que todavía puede fallar incluso cuando responde rápidamente. Por tanto, conviene distinguir entre la velocidad con la que actúa y su capacidad para resolver cada desafío.

Para qué podría utilizarse esta inteligencia artificial

El proyecto de la IA de miHoYo plantea posibles aplicaciones en pruebas de calidad, accesibilidad e investigación sobre la interacción entre personas e inteligencia artificial. Una herramienta capaz de jugar podría ayudar a comprobar el funcionamiento de determinadas misiones. Según Dexerto, también podría contribuir a reproducir errores antes de publicar contenido y reducir costes de desarrollo.

Estas posibilidades forman parte del contexto investigador y no representan funciones comerciales anunciadas para Honkai: Star Rail. El juego continúa recibiendo contenido, incluida la versión 4.7 de Honkai: Star Rail y las habilidades de Aha. Gamer, en cambio, es un experimento separado de las actualizaciones destinadas a los jugadores.

Qué han publicado sus creadores y qué sigue restringido

Los investigadores han publicado código y varios modelos de la IA de miHoYo para facilitar el estudio del proyecto. Sin embargo, no han distribuido los datos de Honkai: Star Rail utilizados durante el entrenamiento. Tampoco están disponibles los modelos entrenados específicamente con ese material, debido a motivos de seguridad de los datos.

Los autores también han dejado claro que no apoyan las trampas ni el aprovechamiento abusivo de fallos. Esta investigación aborda un uso distinto al debate sobre la IA generativa entre los desarrolladores de videojuegos, analizado en un informe de la GDC. Por ahora, Gamer demuestra capacidades concretas en un entorno de pruebas, junto a limitaciones que sus resultados permiten identificar.

Comparte para que se enteren todos/as tus amigos/as:
X