本文提出了一种名为WorldMind的框架,旨在解决游戏世界模型中非玩家角色(NPC)行为缺乏状态感知的问题。现有模型要么将NPC行为隐式嵌入视频生成,要么依赖外部控制信号,难以实现基于游戏状态的自主决策。WorldMind首次将交互式世界建模解耦为四个层次:理解层从生成帧中提取紧凑状态,决策层基于该状态规划NPC动作,控制层将动作转化为时间对齐的条件,生成层合成视觉结果。这些层次形成闭环交互,使NPC行为紧密贴合动态游戏状态。此外,作者构建了BOSS-140K数据集,包含游戏视频及丰富内部状态,并开发自动化采集代理。实验表明,WorldMind能可靠重建状态并进行机制驱动的规划,在约70%的成对比较中,其NPC行为被认为更具战术合理性和连贯性。该工作为游戏世界模型中的状态感知NPC行为提供了新范式。
| WorldMind | 本文提出的解耦游戏世界模型框架,用于实现状态感知的NPC行为。 |
| NPC behavior | 非玩家角色行为,指游戏中由AI控制的角色的行动和决策。 |
| Decoupled framework | 解耦框架,将复杂任务分解为独立模块,此处将世界建模分为四层。 |
| Compact state | 紧凑状态,从生成帧中提取的简化表示,用于高效决策。 |
| BOSS-140K | 一个包含游戏视频和内部状态配对的数据集,用于训练和评估世界模型。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅