StatePlay：保證機制一致的狀態感知遊戲世界模型
為何重要
這項研究標誌著遊戲生成式 AI 從單純的視覺渲染邁向「可玩的遊戲引擎」。解決了 AI 生成的關卡或情境往往無法通過基本邏輯考驗的痛點，讓開發者能夠使用 AI 自動生成遵守規則的冒險地圖或 NPC 行為。對於致力於遊戲自動化與 AIGC 的團隊而言，這提供了在多模態模型中注入結構化知識（State）的實際方案。
現有遊戲世界模型往往專注於視覺逼真度，卻忽略遊戲底層的規則機制，導致視覺上看似合理卻違反遊戲邏輯。研究團隊提出 StatePlay，透過建模精確的內部狀態（如血量、技能計量條）並與視覺輸出聯合預測，確保生成內容在機制上的一致性。
- 採用 Mixture-of-transformers (MoT) 架構，同時最佳化視覺與狀態分支，並允許預測的狀態引導幀生成。
- 在狀態預測任務上，平均標準化 L1 距離低於 0.06。
- 相較於未建模狀態的對基模型，生成流程的機制忠實度提升了 18.6%。