GameDirector：将游戏逻辑与玩家可配置的游戏世界模型的渲染分离

最近的游戏世界模型支持逼真的视觉模拟和基于玩家输入的交互式游戏玩法。然而，他们通常通过像素级监督来学习环境动态，在单个端到端框架内联合建模感知、记忆、状态转换和渲染。虽然这种设计能够实现开放式、动作可控的生成，但它仍然无法提供完整的游戏体验。游戏由明确的机制控制，例如生命值扣除、技能激活、战斗规则和终止条件。这些机制依赖于精确且一致的状态转换，而仅靠生成模型无法可靠地执行这些状态转换。相比之下，游戏引擎可以通过硬编码规则来保证这种机制，但为玩家驱动的创作提供的灵活性有限。为了弥合这些范例，我们引入了 GameDirector，这是第一个将基于规则的游戏逻辑与视觉渲染分离的代理框架。给定玩家定义的配置，该框架充当智能导演，解释视觉观察、更新游戏状态、战术性控制 NPC 并执行游戏规则。然后，它将这些决策转化为文本提示，指导视频世界模型渲染最终的游戏玩法。这种分离允许玩家像游戏开发者一样配置角色、状态和规则，同时保持连贯的游戏机制。使用我们的自动化游戏代理收集的数据对三款游戏进行的实验表明，GameDirector 实现了准确的状态跟踪、可靠的规则遵循，并将 Boss 动作质量比各种端到端游戏世界模型设置提高了 39.9% 以上。总体而言，通过外部化玩家可控的游戏逻辑，GameDirector 在硬编码模拟和生成建模之间建立了中间立场，从而实现更灵活和闭环的游戏体验。