Programmable World Model：解耦世界状态演化与视觉生成的可编程世界模型

研究团队于 2026 年 9 月提出可编程世界模型（Programmable World Model），通过解耦全局世界状态演化与视觉生成，探索高可控与长周期一致性的交互式视频生成方案。

• 框架通过智能体将自然语言指令解析为可执行程序，由轻量级引擎维护包含屏幕外实体和非视觉属性的显式全局状态。
• 引入状态增强的 3D 定向边界框（OBB）作为中间表征，结合相机轨迹编译为时空条件信号驱动预训练视频模型完成渲染。
• 系统允许用户构建具备预定义规则的可玩游戏，在长期交互中保持实体状态的持久性。
• 同步提出的 CombatStateBench 评测显示，该方案取得了 94% 的计数准确率与 98% 的状态准确率。
• 影响/看点：状态机与生成式渲染分离的设计为交互式虚拟世界与轻量游戏原型制作提供了可控路径，其泛化效果依赖底层视频生成器对复杂物理碰撞和高动态场景渲染的保真度。
• 资料依据:
• arXiv（2026-09-09）：https://arxiv.org/abs/2609.10540
• HuggingFace（2026-09-09）：https://huggingface.co/papers/2609.10540

本内容由 AI 生成，仅供参考，请注意甄别