Plan i zmiany

Changelog

Faza 2 — współdzielenie modeli, datasety, preferencje gracza (2026-08-13)

1. Współdzielenie modeli — przenośny format nv2-model-bundle (eksport/import przez /ai_export, /ai_import), sanityzowany pod kątem NaN i utrwalany po imporcie.
2. Import datasetów treningowych — /ai_dataset <path> [epochs] trenuje głowę roślinności na walidowanych zbiorach JSON.
3. Uczenie preferencji gracza — liczniki klas w checkpointcie (wstecznie kompatybilne), wmieszane w cele treningowe (30%).
4. Odporność checkpointu na NaN — klipowanie gradientu, sanityzacja przy zapisie, tolerancyjne ładowanie; naprawiono realny bug uszkodzenia.

Zestaw: 96 zaliczonych / 0 błędów (97 łącznie z zignorowanym benchmarkiem release).

Faza 1 AI — inteligencja roślinności (v1.0.0, ukończona)

1. Usunięto limit wysokości świata

• CHUNK_H podniesiony z 256 → 512 bloków
• Wyższe góry, głębsze jaskinie, przygotowanie pod streaming bez limitu wysokości

2. 22 nowe typy bloków roślinności (world/block.rs)

• Kwiaty: róża, mlecz, tulipany (4 kolory), chaber, czosnek, azalia
• Rośliny wodne: grzybienie, paproć, roślina paprociowa, trawa morska, wysoka trawa morska, kelp
• Dekoracje: małe patyki, kamyki (3 warianty), porośnięty mchem bruk, winorośl, dywan mchu

3. Moduł generatora AI (world/ai_generator.rs, NOWY, ~600 linii)

• TerrainAI MLP: 8→16→4, 320 parametrów, ~1,2 KB
• AISystem z wątkiem treningu w tle
• Kanał AIMessage dla postępu treningu / generacji tekstur / decyzji roślinności

4. AI zintegrowane ze światem (world/mod.rs)

• World::new_with_settings() uruchamia system AI
• ai_system + ai_receiver przechowywane na World

5. Rozszerzona generacja roślinności (world/vegetation.rs)

• Nowe place_ai_vegetation(): komórki 3×3, 8 cech terenu, próg ufności 0.5, prawdopodobieństwa świadome biomu

6. Dodane zależności (Core/Cargo.toml)

• ndarray 0.15, rand 0.8, reqwest 0.11 (json), tokio 1 (full)

Zmiana zachowania (przed → po)

Aspekt	Przed	Po
Kwiaty	Losowe, oparte o szum	Stawianie przewidywane przez AI
Paprocie	Brak	Wilgotne, zacienione obszary
Patyki/kamyki	Brak	Naturalny rozkład
Uczenie	—	Ciągły trening w tle
Wpływ na FPS	—	Brak (<1%)

Plan — Faza 2

Funkcja 1: Integracja zestawów danych z internetu — ✅ część lokalna

• ✅ Wczytywanie, walidacja i trening na plikach JSON (/ai_dataset)
• ⬜ Chmurowe repozytorium datasetów / endpointy API
• ⬜ Łączenie z live weather już działa (Open-Meteo, fallback offline)

Funkcja 2: Generacja tekstur AI w czasie rzeczywistym

• ⬜ Generuj tekstury proceduralnie siecią
• ⬜ Zintegruj z dynamicznym atlasem renderera
• ⬜ Emituj wygenerowane tekstury przez AIMessage::TextureGenerated

Funkcja 3: Uczenie online z działań gracza — ✅ ukończone (2026-08-13)

• ✅ Wybory gracza śledzone jako liczniki preferencji w checkpointcie
• ✅ Cele treningowe wmieszane z nauczonymi preferencjami (30%)
• ✅ Bezpieczne prywatnościowo: tylko lokalne cechy terenu, bez współrzędnych, bez danych osobowych

Funkcja 4: Współdzielenie modeli w chmurze (multiplayer) — ✅ część lokalna

• ✅ Przenośny nv2-model-bundle (eksport/import przez /ai_export, /ai_import)
• ⬜ Chmurowe endpointy upload/download / marketplace modeli
• ✅ Versionowany, samoopisujący się format checkpointu

Funkcja 5: Akceleracja GPU

• ⬜ Równoległe próbki treningowe na GPU (batchowane wprzód/wstecz)
• ⬜ Większe modele bez kosztu czasu klatki

Funkcja 6: Głębia świata i rozgrywki

• ⬜ Sezonowe zmiany roślinności
• ⬜ Koordynacja wielu biomów
• ⬜ Streaming chunków bez limitu wysokości
• ⬜ Dedykowany system audio rozgrywki (sygnały ośrodków ruchu już śledzone)
• ⬜ Sieciowanie / multiplayer
• ⬜ Edytor treści w silniku

Znane ograniczenia (Faza 1)

1. Brak łączności z internetem (Faza 2)
2. Tylko syntetyczne dane treningowe
3. Uczenie w jednej skali
4. Brak trwałości modelu między sesjami
5. Podstawowa generacja tekstur