In Search for the World Model Harness for Gaming
文章探讨了视频世界模型在游戏开发中的应用与挑战。Roblox 团队通过引入 14B 参数的动作条件 Text-Image-to-Video 模型，并设计了名为“Game Cartridge”的轻量级控制框架，结合实时视觉语言模型（VLM）作为感知组件，成功将视频生成模型与传统游戏引擎耦合。该方案解决了世界模型缺乏抽象状态管理和游戏进程推进的问题，使开发者能够利用 AI 生成高保真且具备复杂交互的可玩游戏体验。