可视化简介
WorldClaw
Agentic 3D Open-World Generation at Scale
一套从自然语言需求构建可编辑 3D 场景的离线流程。它使用传统 PCG 生成地形，再为重点区域生成独立的 3D 对象。
方法概要
输入
自然语言场景需求
↓
规划
区域、地形、对象与空间关系
↓
全局PCG 地形
局部生成式 3D 对象
输出
可编辑地形与独立 Mesh
场景表示显式 Mesh
执行环境Blender 5.1.1
实验硬件4 × NVIDIA H20
证据类型定性案例与比较
核心区别
WorldClaw 和传统 PCG 分别解决什么问题？
地形算法高度重合。区别主要出现在输入方式、内容覆盖和交付目标。
一句话
PCG 执行预先写好的生成规则；WorldClaw 先用 Agent 把开放式需求转成规则和资产任务，再调用 PCG 与生成模型执行。
共同输入需求
废土盐碱地中央有一艘坠毁的生物飞船；难民营沿着它的阴影搭建，远处有采矿机械。
- 能否直接理解这段需求？
- 不能。开发者需要先写好对应规则与结构。
- 主要优势
- 实时、确定性、可无限分 Chunk
- 交付内容
- 运行时世界，不是一次性的美术场景草稿
- 主要限制
- 无法生成规则库和资产库之外的新概念
| 比较项 | Minecraft 式 PCG | Infinigen 类 PCG | WorldClaw |
|---|---|---|---|
| 地形方法 | 密度函数、Biome、Carver | 数学规则与程序生成器 | 区域 Mask、噪声与地貌算子 |
| 内容来源 | 预置规则与资产 | 人编写的类别生成器 | 预置 PCG + 临时生成的新资产 |
| 控制入口 | Seed、JSON、代码 | 配置、Python、约束 | 自然语言与结构化规划 |
| 速度与稳定 | 适合运行时，确定性高 | 可复现、可批量 | 离线长链路，存在模型误差 |
| 典型用途 | 动态游戏世界 | 批量场景与合成数据 | 开放需求的可编辑场景初稿 |
方法组成
- 已有 PCG 方法
- 高度场、噪声、地貌算子、区域 Mask、资产散布
- 已有生成组件
- 图像编辑、实例分割、单图 3D 重建
- 论文的系统贡献
- 把开放需求、共享规划、多工具执行和渲染返工组织成完整流程
方法流程
从文字需求到可编辑场景
选择一个示例，按顺序查看四个处理阶段。三维示意图支持拖动旋转与滚轮缩放。
示例需求
一座热带海盗岛：中央火山、东侧港湾、西侧丛林；港口有木屋、码头与船，山上保留遗迹。
STRUCTURED PLAN
地形模块
区域感知高度场
这部分属于传统 PCG。WorldClaw 的作用是根据文本规划生成区域图，并为各区域选择参数。
H(x)=区域权重×（基础海拔 + 噪声 + 地貌算子）
- 区域图指定山地、海岸、森林等区域的位置。
- 地貌参数为每类区域设置基础高度、噪声和山峰或侵蚀算子。
- 边界混合使用柔和权重连接相邻区域，形成一块连续地表。
拖动左侧参数，观察地形变化。
对象生成
二维构图如何变成三维对象？
系统保留地形相机参数，使图像中的对象可以在重建后回到对应的三维位置。
REGION COMPOSITION / INPUT
从真实地形视角截图
系统记录相机参数。后续图像编辑都以这张地形图为底，因此新对象可以参考地形、视角与周边环境。
Terrain + Camera→Iᵗᵉʳʳᵃⁱⁿ
实验依据
论文展示了什么，还缺少什么？
论文以视觉案例和定性比较为主，没有提供系统性的量化评测。
已经展示
- 15 组不同主题的场景案例
- 全局、区域和步行视角
- 实例、深度与法线渲染
- 与代表性方法的视觉比较
- 独立 Mesh 与地形接触效果
尚未报告
- 用户偏好或几何质量指标
- 各模块的消融实验
- 平均生成时间和成本
- 失败率与结果方差
- 场景规模增长曲线
作者列出的主要限制
- 底层模型依赖
- 规划、图像或 3D 重建模型的错误会传递到最终场景。
- 生成代码不稳定
- 尺度、参数和 Blender 节点连接错误需要多轮渲染检查。
- 时间与算力开销
- 对象数量和精修轮次增加时，整条离线流程会明显变长。
适用范围
什么时候考虑 WorldClaw？
它与成熟 PCG 不是替代关系，两者适合的生产任务不同。
开放式、一次性的场景需求
- 概念场景或美术预演
- 现有资产库没有对应类别
- 需要独立 Mesh 供后续编辑
- 可以接受离线生成与人工复查
规则固定、需要实时或批量生成
- 沙盒游戏的运行时世界
- Roguelike 关卡和道路生成
- 植被、岩石等大规模散布
- 可复现的训练与仿真数据
对当前项目可借鉴的设计
- 共享规划
先把策划意图、资产语义和空间关系写进统一 Schema。
- 先全局后局部
先确定地形、路径和关卡节奏，再生成局部资产。
- 保留可编辑表示
为对象保留稳定 ID、版本与坐标，方便替换和复用。
- 用渲染做检查
固定机位截图、记录问题、局部修改并再次验证。