WorldMind：面向状态感知NPC行为的解耦游戏世界模型

arXiv 2026 45.2 method

TLDR

提出WorldMind，一种四层解耦游戏世界模型，用于状态感知NPC行为，并引入含内部状态的BOSS-140K数据集。

评分理由

The paper clearly decomposes world modeling into understanding, decision, control, and generation layers, and introduces a large dataset with paired internal states. However, the abstract is truncated before quantitative results, so empirical strengths and limitations are not fully visible.

Read-first 评分解释

综合优先阅读分 45.2，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 44。

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

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：基线、数据集、评估、实验

主题相关性 29%

62.9

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

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：数据集

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：477。

关键词评分

world model

interactive world model

generative world model

video world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

首个用于游戏世界模型中状态感知NPC行为的解耦框架，将交互式世界建模分为四个层次：理解、决策、控制和生成。
BOSS-140K数据集：包含与丰富内部游戏状态配对的游戏视频，并通过自动化智能体采集。

方法

WorldMind将NPC行为解耦为：理解层从帧中构建紧凑状态，决策层基于状态规划动作，控制层将动作转化为时间条件，生成层合成视觉结果，从而形成闭环交互回路。同时引入BOSS-140K数据集和自动化采集智能体用于训练与评估。

关键结果

WorldMind实现了可靠的紧凑状态重建和基于游戏机制的规划；在大约70%的成对比较中，因其更具战术合理性和一致性的NPC行为而优于基线方法。

资源

论文