Code2Games:让编码智能体实现游戏世界生成

Hugging Face Daily Papers 论文

摘要

Code2Games 是一个智能体框架,它协调多个编码智能体,根据自然语言的游戏意图构建一致的游戏世界,并通过执行引导的重建将其适配至 Unreal Engine 5,同时提出了用于评估游戏世界生成质量的 GameCode4D 基准测试。

从自然语言的游戏意图生成高质量的游戏世界,需要对场景结构、空间布局、玩法目标、交互实体以及可执行的游戏逻辑进行联合推理。现有的编码智能体能够生成单独的资源、场景或脚本,但往往难以在这些组件之间保持一致性。我们提出了 Code2Games,这是一个智能体框架,能够在基于同一游戏意图生成的 Blender 基础世界之上构建结构化的游戏世界。Code2Games 通过共享的、具有持久元素对应关系的「场景—玩法」表示,协同场景分析、玩法规划、受约束的游戏世界生成以及游戏引擎的定制化适配。在世界生成完成后,Code2Games 将所生成的世界适配至 Unreal Engine 5,并采用一种执行引导的重建流程,利用编译诊断信息、运行时反馈和玩法测试结果,解决引擎适配过程中产生的不一致问题。为了系统地评估游戏世界生成的效果,我们提出了 GameCode4D 基准测试,其中包含覆盖不同场景与玩法复杂度层级的十个固定游戏提示词。我们从四个维度评估生成结果:视觉质量、交互保真度、多模态产物质量以及可玩性游戏质量。实验结果表明,与编码智能体直接生成游戏世界以及现有基线方法相比,Code2Games 能够持续提升所生成游戏世界的视觉质量和交互保真度,以及在引擎适配之后最终游戏的质量。
查看原文
查看缓存全文

缓存时间: 2026/10/06 08:54

论文页面 - Code2Games:让编码智能体实现游戏世界生成

来源:https://huggingface.co/papers/2610.05033

摘要

从自然语言的游戏意图生成高质量的游戏世界,需要对场景结构、空间布局、游戏目标、交互实体以及可执行的游戏逻辑进行联合推理。现有的编码智能体虽然可以生成单个资源、场景或脚本,但往往难以维持这些组件之间的一致性。我们提出 Code2Games,这是一个智能体框架,它基于由同一游戏意图生成的基础 Blender 世界来构建结构化的游戏世界。Code2Games 通过一个具有持久元素对应关系的共享「场景—玩法」表示,协调场景分析、玩法规划、受限的游戏世界生成以及游戏引擎的定制化。在世界生成之后,Code2Games 会将生成的世界适配到 Unreal Engine 5,并采用一个执行引导的重建过程,利用编译诊断信息、运行时反馈和玩法测试结果来解决引擎适配过程中出现的不一致问题。为了系统性地评估游戏世界生成效果,我们提出了 GameCode4D 基准,其中包含十条固定的游戏提示词,覆盖不同层级的场景复杂度和玩法复杂度。我们在四个维度上评估生成结果:视觉质量、交互保真度、多模态制品质量以及可玩性游戏质量。实验表明,与编码智能体直接生成游戏世界以及现有的基线方法相比,Code2Games 在生成游戏世界的视觉质量和交互保真度上均取得了持续的提升,同时也提升了引擎适配后最终游戏的质量。

查看 arXiv 页面 (https://arxiv.org/abs/2610.05033) 查看 PDF (https://arxiv.org/pdf/2610.05033) 项目页面 (https://aigeeksgroup.github.io/Code2Games/) GitHub1 (https://github.com/AIGeeksGroup/Code2Games) 添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.05033)

在你的智能体中获取本文:

hf papers read 2610.05033

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

引用本文的模型 0

暂无关联此论文的模型

在模型 README.md 中引用 arxiv.org/abs/2610.05033,即可在此页面建立关联。

引用本文的数据集 0

暂无关联此论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2610.05033,即可在此页面建立关联。

引用本文的 Spaces 0

暂无关联此论文的 Space

在 Space README.md 中引用 arxiv.org/abs/2610.05033,即可在此页面建立关联。

包含本文的合集 0

暂无包含此论文的合集

将本文添加到合集 (https://huggingface.co/new-collection),即可在此页面建立关联。

相似文章

编码代理作为世界模拟器表现良好

arXiv cs.AI

本文提出了一种基于代理的框架,利用编码代理从自然语言提示生成物理上可信的世界模拟,在物理准确性和指令保真度方面优于基于视频的模型。

AgentGarten:用于智能体进化的代码世界

Hugging Face Daily Papers

AgentGarten 是一个框架,将模拟器和游戏引擎与共享的神经渲染器相结合,构建实时交互式环境。智能体在其中通过视觉观察进行学习,并将经验提炼为可继承的策略手册,仅需 4 轮经验便实现了远超传统强化学习的学习效率提升。