知识卡片：Fight World Model：通过视觉交互代理实现可定制格斗

一句话结论

Fight World Model（FWM）将格斗游戏的“规则执行”与“视频渲染”解耦：由可执行引擎维护状态并判定交互，再由确定性编译器把结果编码成时空对齐的交互代理来驱动视频生成，从而在不重新训练渲染器的前提下支持伤害缩放、限次免伤、吸血、多段技能等原生规则之外的机制。

事件概述或研究问题

可玩、可编程的游戏世界需要维持持久状态、执行可运行规则并支持可扩展玩法。现有视频世界模型能生成看似合理的战斗画面，但难以让受击反应与生命值更新同游戏规则保持一致。FWM 针对这一问题提出“规则执行与渲染分离”的方案。

方法/产品要点

• 可执行引擎：维护战斗状态并解算交互结果。
• 确定性编译器：把交互结果与尝试动作编码为空间和时间对齐的交互代理（interaction proxy）。
• 交互代理内容：按角色身份与时间对齐动作/技能窗口、短暂受击反应与持久生命值；这些线索可分别控制，以便在修改规则下渲染交互。
• 身份绑定参考：在换边（side switches）时保持角色外观一致。
• 训练数据：FightWorld Corpus，覆盖 52 种技能效果、187 种角色外观变体、15 个竞技场。
• 无需重训渲染器即可支持伤害缩放、限次免伤、吸血与多段技能机制，并支持角色与竞技场定制。

主要结果或产业意义

论文称实验显示 FWM 在动作保真度、受击反应、生命状态一致性与角色外观保持方面优于现有游戏世界模型（具体指标与对比基线待核实）。其意义在于为“可编程、可定制”的游戏世界模型提供了一条工程上更可控的路径：规则层改动不必牵动渲染模型重训。

为什么重要

对游戏世界模型而言，画面可信并不等于可玩：状态持久性与规则一致性是交互式内容的核心约束。FWM 把这两类职责拆开，使规则扩展（如吸血、限次免伤）与外观/场景定制可以独立于渲染器进行，这对快速迭代玩法原型、以及在图书/简报中讨论“世界模型如何服务于可玩性”具有参考价值。

局限与不确定性

• 摘要未给出具体量化指标、基线名单与实验设置细节，性能优势幅度待核实。
• 交互代理的具体表示形式、编译器实现细节与推理成本待核实。
• 是否支持多人、复杂物理交互或非格斗类玩法，材料未说明，待核实。
• 项目页面链接已给出，但代码/数据开放程度待核实。

可用于图书/PPT/简报的角度

• “规则与渲染解耦”作为游戏世界模型的一种架构范式。
• 用交互代理（proxy）作为中间表示，实现可控、可编辑的战斗视频生成。
• 案例：不改渲染器即扩展玩法机制（伤害缩放、吸血、多段技能）——适合讲“世界模型的可编程性”。
• 数据规模（52 技能效果 / 187 外观变体 / 15 竞技场）可作为构建领域语料的参考。

与既有脉络的关系

本卡片聚焦“规则执行与视频渲染分离”的格斗游戏世界模型，与既有卡片中偏强化学习训练效率（Reinformed Dreamer）、多视角长时驾驶生成（M⁴World）、GUI 代理计划外化（Plover）的方向不同；其增量在于把“可执行规则状态”显式编译为渲染条件，强调规则改动无需重训渲染器。

原始材料

• 标题：Fight World Model: Customizable Combat through Visual Interaction Proxies
• arXiv ID：2610.40607v1
• 作者：Jiahua Li, Zixu John, Tom Zhong, Fuping Wu, Tianhao Xu, Ruicheng Zhang, Jun Zhou, Zunnan Xu
• 发布/更新：2026-10-29T17:53:02Z
• 主分类：cs.CV
• 摘要页：https://arxiv.org/abs/2610.40607v1
• PDF：https://arxiv.org/pdf/2610.40607v1
• 项目页：https://fight-world-model.github.io