Roblox aposta em world models para criar experiências fotorrealistas

O problema que Roblox quer resolver

Em agosto de 2025, a plataforma atingiu 45 milhões de usuários simultâneos. A maioria dos jogos é criada por terceiros, e a Roblox foca na infraestrutura. Agora, a empresa está explorando como um modelo de mundo em vídeo pode operar junto com seu game engine para tornar as experiências fotorrealistas sem comprometer escala ou multiplayer.

Por que nenhuma tecnologia sozinha basta

Um modelo de mundo em vídeo gera frames fotorrealistas, mas não possui memória persistente, regras consistentes nem física confiável. Se o jogador vira a câmera e volta, o mundo pode ter mudado. Pixels não são entendimento: o modelo desenha uma garrafa sem saber que ela abre, segura água ou cai.

Por outro lado, um game engine mantém estado, regras e física com precisão, mas sofre para gerar fotorrealismo. Texturas de alta resolução, iluminação complexa e efeitos como dispersão de luz são caros de computar. Estúdios pequenos e jogadores em dispositivos comuns ficam de fora.

A arquitetura híbrida: Roblox Reality

A solução combina três componentes:

• Game engine: mantém o "data model", um registro estruturado de todos os objetos e suas propriedades. É a fonte única de verdade.
• Roblox Cloud: roda o engine em escala, armazenando estado de forma durável e mantendo sessões próximas aos jogadores.
• Super Upsampler (modelo de mundo em vídeo): recebe um frame simples do engine (formas, posições, câmera) e o transforma em algo fotorrealista, adicionando texturas, iluminação e detalhes finos.

O engine faz a parte exata e barata; o modelo faz apenas a parte cara e "fuzzy". O raciocínio sobre o que acontece no mundo fica no engine, liberando o modelo para gastar toda sua capacidade em pixels.

Sincronização frame a frame

A cada frame, o modelo recebe sinais do engine: um renderizado de baixa qualidade, um mapa de profundidade, condições globais (clima, iluminação) e descrições estruturadas dos objetos. Esses sinais entram por concatenação, modulação ou cross-attention, garantindo que cada pixel gerado respeite a posição e a profundidade corretas.

Os quatro problemas abertos

1. Latência: modelos de vídeo offline levam ~5 segundos por clipe; um jogo precisa de ~30 ms por frame. A técnica principal é self-forcing (da aquisição da Morpheus AI), que torna o modelo autoregressivo, gerando frame a frame. Modelos menores, compressão de cache KV e GPUs H200/B200 em edge data centers completam a estratégia.

2. Consistência de longo prazo: erros pequenos se acumulam ao longo de minutos. A aquisição da Morpheus AI também trouxe trabalho em contexto longo, e a Roblox está expandindo a janela de contexto do modelo.

3. Multiplayer: o engine atua como autoridade do servidor, computando um estado verdadeiro compartilhado. O modelo de cada jogador gera sua própria visão condicionada a esse estado. Previsão local no dispositivo do jogador dá resposta imediata, com confirmação do servidor logo depois.

4. Controle do criador: a equipe da Lucid AI (adquirida) criou um "game cartridge harness" que envolve a lógica determinística do engine ao redor do modelo de vídeo, permitindo que o mundo pareça gerado mas se comporte segundo regras fixas definidas pelo criador.

Vantagens e próximos passos

A Roblox aposta em sua comunidade de criadores, infraestrutura própria (mais de duas dúzias de edge data centers com GPUs próprias) e quase 20 anos de desenvolvimento do data model. Uma versão inicial do Roblox Reality é esperada para o final de 2026 ou início de 2027, com meta de 2K a 60 fps e 4K como objetivo de longo prazo.

A mudança mais significativa: como o rendering pesado acontece em GPUs compartilhadas na borda, a qualidade visual deixa de depender do orçamento do criador ou do dispositivo do jogador. O objetivo é que um estúdio de duas pessoas produza algo tão rico quanto o de um grande estúdio.