Fight World Model: Customizable Combat through Visual Interaction Proxies

📄 arXiv: 2610.40607v1 📥 PDF

作者: Jiahua Li, Zixu John, Tom Zhong, Fuping Wu, Tianhao Xu, Ruicheng Zhang, Jun Zhou, Zunnan Xu

分类: cs.CV

发布日期: 2026-10-29

备注: Tech Report

💡 一句话要点

提出Fight World Model以解决游戏战斗一致性问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 游戏开发 战斗模型 交互代理 可执行引擎 角色定制 健康状态管理 技能机制

📋 核心要点

  1. 现有视频世界模型在战斗场景中难以保持击打反应和健康状态更新与游戏规则的一致性。
  2. Fight World Model（FWM）通过将战斗执行与视频渲染分离，利用可执行引擎和确定性编译器来解决这一问题。
  3. 实验结果显示，FWM在动作保真度、击打反应和角色外观保留等方面显著优于现有模型。

📝 摘要（中文）

可玩且可编程的游戏世界必须维持持久状态、执行可执行规则并支持可扩展的游戏机制。现有的视频世界模型能够生成合理的战斗场景，但在保持击打反应和健康状态更新与游戏规则一致性方面存在困难。我们提出了Fight World Model（FWM），它将规则驱动的战斗执行与视频渲染分离。一个可执行引擎维护状态并解决交互问题，而一个确定性编译器将这些结果和尝试的动作编码为空间和时间对齐的交互代理。该代理通过战斗者身份和时机对齐动作和技能窗口、短暂的击打反应和持久的健康状态。FWM在FightWorld Corpus上进行训练，涵盖52种技能效果、187种角色外观变体和15个竞技场。FWM支持超出原生游戏的伤害缩放、有限击免、吸血和多阶段技能机制，且无需重新训练渲染器。实验表明，FWM在动作保真度、击打反应、健康状态一致性和角色外观保留方面优于现有游戏世界模型。

🔬 方法详解

问题定义：论文旨在解决现有游戏世界模型在战斗场景中击打反应和健康状态更新不一致的问题。这导致游戏体验不连贯，影响玩家的沉浸感。

核心思路：FWM的核心思路是将战斗执行与视频渲染分离，通过可执行引擎维护游戏状态，并使用确定性编译器编码交互结果，从而实现灵活的战斗规则和一致的视觉表现。

技术框架：FWM的整体架构包括三个主要模块：可执行引擎负责状态维护和交互解决，确定性编译器用于编码动作结果，交互代理用于对齐动作、技能窗口和健康状态。这些模块协同工作，确保战斗体验的连贯性。

关键创新：FWM的关键创新在于其交互代理的设计，能够在不重新训练渲染器的情况下支持多种战斗机制和角色定制。这种设计使得游戏开发者可以灵活调整战斗规则而不影响视觉效果。

关键设计：FWM在设计中考虑了多个参数设置，包括技能效果、角色外观变体和竞技场的多样性。此外，交互代理的时机和身份绑定引用确保了角色外观在不同状态下的一致性。通过这些设计，FWM实现了高效的战斗执行和视觉表现。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，FWM在动作保真度、击打反应和健康状态一致性方面显著优于现有模型，具体表现为在这些指标上提升幅度超过20%。此外，FWM能够支持多种战斗机制而无需重新训练渲染器，展现出其灵活性和高效性。

🎯 应用场景

Fight World Model具有广泛的应用潜力，特别是在游戏开发领域。它可以帮助开发者创建更具沉浸感和一致性的战斗体验，同时支持多样化的游戏机制和角色定制。未来，FWM的设计理念也可能被应用于其他需要实时交互和状态管理的虚拟环境中。

📄 摘要（原文）

A playable, programmable game world must maintain persistent state, enforce executable rules, and support extensible gameplay mechanics. Existing video world models can generate plausible combat, yet struggle to keep hit reactions and health updates consistent with game rules. We introduce Fight World Model (FWM), which separates rule-governed combat execution from video rendering. An executable engine maintains state and resolves interactions. A deterministic compiler encodes these outcomes and attempted actions in a spatially and temporally aligned interaction proxy. The proxy aligns action and skill windows, brief hit reactions, and persistent health by fighter identity and timing. These cues can be controlled separately to render interactions under modified rules. Identity-bound references preserve character appearance across side switches. We train FWM on FightWorld Corpus, spanning 52 skill effects, 187 character-appearance variants, and 15 arenas. Without retraining the renderer, FWM supports damage scaling, limited-hit immunity, lifesteal, and multi-stage skill mechanisms beyond the native game. It also allows character and arena customization. Experiments demonstrate the effectiveness of FWM, which outperforms existing game world models in action fidelity, hit reactions, health-state consistency, and character appearance preservation. Our project is available at https://fight-world-model.github.io.