论文页面 - 从像素到状态：重新思考交互式世界模型作为游戏引擎

来源：https://huggingface.co/papers/2607.14076

摘要

构建能够根据玩家动作连贯响应的交互式世界，长期以来一直是计算机图形学、游戏和人工智能的共同目标。近期视频生成模型通过预测用户动作条件下的未来观察结果，提供了一条通往这一目标的数据驱动路径，并日益被视为潜在的下一代游戏引擎。然而，要实现真正的交互式游戏世界，需要满足多个条件：交互结果需遵循不断演化的游戏条件规则、后果能在长时间跨度内持续存在，以及生成循环需实时运行。传统游戏引擎通过一种递归的“动作-状态-观察”循环来实现这些特性，即玩家动作按照预定义规则更新明确的游戏状态，并从更新后的状态渲染观察结果。本文以此循环作为组织框架，从四个维度审视交互式游戏世界建模：玩家动作控制、游戏状态动态、状态-观察持久性以及实时交互生成。针对每个维度，我们从交互式游戏世界所需的能力出发，将现有方法归纳为代表性类别，并讨论每类方法的优势与权衡。作为分析的补充，我们为《黑神话：悟空》构建了一个可扩展的数据引擎，收集了超过90小时的游戏过程数据，包含帧对齐的玩家动作、真实游戏状态和视觉观察，以及结构化和语义注释，作为状态感知游戏世界建模的资源。我们希望本文能清晰呈现该领域的现状，并推动交互式游戏世界的进展。

查看 arXiv 页面 (https://arxiv.org/abs/2607.14076)查看 PDF (https://arxiv.org/pdf/2607.14076)GitHub409 (https://github.com/AlayaLab/WildWorld)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.14076)

在你的 agent 中获取此论文：

hf papers read 2607.14076

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

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2607.14076 可从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2607.14076 可从此页面链接。

引用此论文的 Space0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2607.14076 可从此页面链接。

包含此论文的收藏2