GameWAM：面向视频游戏的世界动作模型

arXiv 2026 45.4 method

TLDR

GameWAM提出世界动作模型，联合生成未来视觉和键盘鼠标动作，用于闭环游戏与GUI控制。

评分理由

Strengths include a novel unified formulation, mode-specific action generation, and long-horizon replanning with fewer native actions. Weaknesses: the abstract lacks detailed benchmark results and only partially reports appendix content, so generalizability claims remain limited.

Read-first 评分解释

综合优先阅读分 45.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 53。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

主题相关性 29%

75.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：GitHub

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：453。

关键词评分

world model

world dynamics prediction

generative world model

interactive world model

video world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

引入 GameWAM，据作者所知首个用于原生闭环游戏和 GUI 控制的世界动作模型。
通过并行的视觉与动作生成过程，结合块因果条件化和流匹配，联合生成未来视觉观察和可执行的键盘-鼠标轨迹。
构建同步的游戏与 GUI 轨迹，以支持联合世界-动作学习。
通过在每个动作步骤预测游戏/GUI 模式，并使用模式特定的预测分布和连续动作归一化，处理异构原生控制。
使用块周期控制进行长时程交互：预测超出已承诺的时间范围，仅执行短动作前缀，并根据新观察重新规划，同时利用周期内上下文和分层跨周期历史保持时间连续性。
识别出低频动作源印记（LASI），一种生成控制中的源敏感性失效模式。

方法

GameWAM 使用并行的视觉与动作生成过程，结合块因果条件化和流匹配，联合建模未来视觉观察和可执行的键盘-鼠标轨迹。它在同步的游戏与 GUI 轨迹上训练，并在每个动作步骤预测游戏/GUI 模式，使用模式特定的预测分布和连续动作归一化来处理异构原生控制。对于长时程交互，它采用块周期控制：预测超出已承诺的时间范围，执行短动作前缀，并根据新观察重新规划，同时通过周期内上下文和分层跨周期历史保持时间连续性。

关键结果

GameWAM 在实现有竞争力的任务成功率的同时，比对比智能体执行更少的原生动作。作者还发现了低频动作源印记（LASI），即在固定条件下，采样动作源的低频成分会系统性地引导粗粒度的生成相机运动。

局限性

存在低频动作源印记（LASI），一种生成控制中的源敏感性失效模式。

资源

论文