论文页面 - WorldMind：面向状态感知NPC行为的解耦游戏世界模型

来源：https://huggingface.co/papers/2608.21439

摘要

WorldMind将游戏世界建模解耦为状态理解、决策、控制和生成层，以实现显式的、状态感知的NPC行为。

游戏世界模型（https://huggingface.co/papers?q=Game%20world%20models）最近在生成视觉连贯且动作可控的游戏视频方面展现出了有前景的能力。然而，现有模型中的非玩家角色（NPC）行为要么与视频生成隐式地纠缠在一起，要么通过外部控制信号显式地规定。因此，一个游戏世界模型必须同时理解状态、规划NPC的反应并渲染其视觉结果，这限制了其产生响应式和状态感知的NPC行为（https://huggingface.co/papers?q=NPC%20behavior）的能力。挑战在于缺乏一个显式的、基于状态的决策（https://huggingface.co/papers?q=state-grounded%20decision-making）接口。为此，我们引入了WorldMind，据我们所知，这是第一个用于游戏世界模型（https://huggingface.co/papers?q=game%20world%20models）中状态感知NPC行为（https://huggingface.co/papers?q=NPC%20behavior）的解耦框架。WorldMind将交互式世界建模分离为四个层：一个从生成的帧中构建紧凑状态的理解层；一个基于紧凑状态进行推理以规划NPC下一个动作的决策层；一个将动作转化为时间对齐条件的控制层；以及一个合成其视觉结果的生成层。通过将各层重新连接为一个闭环交互循环（https://huggingface.co/papers?q=closed%20interaction%20loop），WorldMind将NPC行为（https://huggingface.co/papers?q=NPC%20behavior）锚定在不断演变的游戏状态中。我们进一步引入了BOSS-140K，一个配对了丰富内部游戏状态的游戏视频数据集，以及一个用于大规模自动化收集的代理程序。在BOSS-140K上的实验展示了可靠的紧凑状态重建（https://huggingface.co/papers?q=compact%20state%20reconstruction）和基于机制的规划（https://huggingface.co/papers?q=mechanics-grounded%20planning）。在约70%的成对比较中，WorldMind因其更具战术恰当性和连贯性的NPC行为（https://huggingface.co/papers?q=NPC%20behavior）而更受青睐。项目页面：https://teawhite.cn/worldmind_projectpage/

查看arXiv页面（https://arxiv.org/abs/2608.21439）查看PDF（https://arxiv.org/pdf/2608.21439）项目页面（https://teawhite.cn/worldmind_projectpage/）GitHub0（https://github.com/TeaWhiteBro/WorldMind）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2608.21439）

在您的代理中获取本文：

hf papers read 2608\.21439

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

没有模型链接本文

在模型的README.md中引用arxiv.org/abs/2608.21439以从本页面链接它。

引用本文的数据集0

没有数据集链接本文

在数据集的README.md中引用arxiv.org/abs/2608.21439以从本页面链接它。

引用本文的Spaces0

没有Space链接本文

在Space的README.md中引用arxiv.org/abs/2608.21439以从本页面链接它。

包含本文的收藏0

没有收藏包含本文

将本文添加到收藏（https://huggingface.co/new-collection）以从本页面链接它。