可编程世界模型实现持久化交互环境
Programmable World Model 将世界状态演化与视觉生成分离。代理会把自然语言指令转换为可执行程序，用于定义实体状态和状态转换规则。轻量级引擎维护明确且持久的全局世界状态，包括画面外实体和非视觉属性。系统通过加入状态信息的三维定向边界框，将世界状态连接到负责渲染的预训练视频模型。这一框架支持创建具有预设机制、可直接控制单个实体并能长期保持一致交互的可玩游戏。在新基准 CombatStateBench 上，论文作者报告计数准确率达到94%，状态准确率达到98%，明显优于现有交互式视频世界模型。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。