ReactiveGWM：在反应式游戏世界模型中引导 NPC

当前的游戏世界模型从主观的、以玩家为中心的角度模拟环境。然而，通过仅将非玩家角色 (NPC) 视为背景像素，这些模型无法捕获玩家和 NPC 之间的交互。从这个意义上说，它们充当被动视频渲染器而不是真正的模拟引擎，缺乏对动作引起的 NPC 反应进行建模所需的物理理解。我们引入了 ReactiveGWM，这是一种反应式游戏世界模型，可以综合玩家和 NPC 之间的动态交互。 ReactiveGWM 并没有纠缠所有的交互动态，而是明确地将玩家控制与 NPC 行为解耦。玩家动作通过轻量级附加偏差注入扩散主干，而高级 NPC 响应（例如进攻、控制、防御）则通过交叉注意力模块扎根。至关重要的是，这些模块学习与游戏无关的交互逻辑表示。这实现了零样本策略迁移：我们学习的模块可以直接插入不同游戏的现成的、未注释的世界模型中。这会立即解锁可操纵的 NPC 交互，无需任何特定领域的再训练。在两款《街头霸王》游戏中进行评估后，ReactiveGWM 保持了细粒度的玩家可控性，同时实现了稳健、及时一致的 NPC 策略遵守，为与 NPC 进行可扩展、策略丰富的交互铺平了道路。