«ИИ в нашей лаборатории — это не замена инженера, а мощный ассистент»
Флагманский продукт мастерской – движок Claw Engine, созданный для быстрого прототипирования игр и интерактивных проектов. Движок построен как конструктор: пользователь может выбирать нужные модули, что позволяет создавать оптимизированные финальные сборки.
Первая версия движка вышла в 2024 году. Она предлагала базовую архитектуру и упрощённый визуальный интерфейс для работы с 3D-графикой. Вторая версия стартовала в открытое тестирование в июне 2025 года. Это уже полноценная модульная платформа с переработанным редактором сцен, поддержкой C#, системой оптимизации и уникальным алгоритмом уровней детализации, который учитывает пространственные связи между объектами. Участие в тестировании приняли более 600 разработчиков.
Руководитель мастерской Илья Семичаснов поделился опытом применения технологий ИИ при разработке движка и рассказал о задачах, которые при этом решают студенты и инженеры мастерской.
Пробы и ошибки
Когда мы только начинали работать с ИИ, задача казалась очень симпатичной - генерировать игровой контент целиком, от пространственных звуков до преднастройных 3D‑моделей. Сначала взялись за разработку собственной ИИ модели генерации озвучки и эмбиента: она могла создавать шумы, топот, фоновые звуки под конкретный игровой концепт. Потом перешли к визуальным ассетам — текстурам, моделям, сопутствующим материалам. Даже добились неплохих результатов в генерации текстур с помощью диффузионных моделей.
Но довольно быстро мы отказались от тотальной генерации. Причины были сугубо инженерные и экономические. Во‑первых, нехватка качественных датасетов: брать случайные данные из интернета значит заведомо проигрывать коммерческим решениям по качеству. Во‑вторых, обучение и дообучение моделей требует огромных вычислительных мощностей — аренда GPU‑серверов дорогая, а окупаемость для стартапа сомнительная. В‑третьих, в игровой практике не так уж много задач, где нужна уникальная генерация: многие звуки и текстуры уже есть в открытых библиотеках, их достаточно немного адаптировать. Индустрия развита чрезвычайно широко.
Стратегия сейчас. Где здесь инженерия.
Сейчас наша стратегия — не создавать ИИ с нуля, а грамотно интегрировать готовые решения в собственные инструменты. Главный проект в этой области — переход к вайбкод концепции в рамках развития движка Claw Engine будущей версии 2.0. Мы подключили его к внешней нейросети: это экономически и технически оправданно.
Суть в том, что Claw Engine задуман как «промт‑движок»: пользователь описывает идею игры текстом, а система собирает её из готовых компонентов. Здесь и раскрывается ключевая инженерная работа. Она состоит из нескольких слоёв:
Оркестрация действий. Инженер готовит движок так, чтобы ИИ мог «нажимать кнопки» — управлять созданием объектов, настройкой компонентов, запуском симуляций. Для этого выстраивается интерфейс между нейросетью и движком (похожий на концепцию MCP‑коннектора).
Контроль артефактов. Нейросеть может сгенерировать технически рабочий, но геймплейно нелепый код — например, бесконечную цепочку прыжков вместо двойного. Инженер проектирует проверки и фильтры, чтобы отсекать такие ошибки.
Сохранение контекста. При итеративной доработке (когда мы шаг за шагом уточняем промт) модель может «забывать» главную задачу. Инженер создаёт механизмы удержания контекста — через структурированные запросы, системные подсказки, хранение состояния сессии.
Интеграция разных типов контента. Нужно, чтобы сгенерированный код корректно работал с ассетами, физикой, анимацией. Это требует тонкой настройки конвейера сборки: от промта до запуска сцены.
Отдельный вектор работ — управление неигровыми персонажами на базе модели обучения с подкреплением (reinforcement learning) для игровых симуляций. Классический пример: машинка учится проезжать трассу, получая «штрафы» за столкновения и «награды» за прогресс. Такой подход перспективен не только для игр, но и для робототехники, где виртуальная симуляция экономит ресурсы. Однако он крайне требователен к вычислительным мощностям, поэтому пока остаётся нишевым решением.
Таким образом,
сегодня ИИ в нашей лаборатории — это не замена инженера, а мощный ассистент. Инженер задаёт рамки, контролирует качество, сохраняет целостность проекта и обеспечивает, чтобы автоматизация действительно ускоряла разработку, а не создавала новые проблемы.