arXiv 游戏世界模型与生成检索· Zike Wu·· 26 天前精选AI 评分39
BoxWorld:让世界引擎控制状态、视频生成器负责渲染
BoxWorld: Let World Engines Control and Video Generators Render
AI 导读
BoxWorld 将用户定义的交互规则交给 Box World Engine 处理,再由 Box-State 生成式渲染器按对象状态自回归渲染实时交互视频世界。论文称其在 PairedStateBench 等评测中明显优于端到端世界模型,并在多个公开基准上保持竞争力。训练分三阶段,利用开放域视频和游戏视频的自动标注学习对象定位与状态转移,并在自生成历史上做 rollout 蒸馏。
推荐理由
将交互推理与生成渲染拆开,并与端到端视频世界模型对照,可以看到可控游戏世界的一种分工思路。
来源:arXiv 游戏世界模型与生成检索 · arxiv.org