WorldStream construye un mundo 3D infinito y recuerda cada edición del jugador

Los autores de WorldStream han creado un modelo de mundo 3D que resuelve a la vez tres tareas que normalmente se abordan por separado. Continúa el territorio jugable más allá de los límites de cualquier mapa predefinido, ejecuta comandos libres en lenguaje natural dentro de un mundo ya en marcha y devuelve los lugares visitados con todas las ediciones realizadas. La planificación se organiza en dos niveles, Macro y Micro, y la geometría no la genera una red neuronal, sino código determinista. El trabajo apareció en Hugging Face Daily Papers.

Dos planificadores y un compilador en lugar de generación «a pelo»

WorldStream no dibuja el mundo con píxeles ni produce una malla ya terminada. El modelo emite una decisión estructurada según un esquema tipado, y de ella se ensambla todo lo demás. Eso determina la arquitectura.

Macro trabaja a nivel de grupo de tiles y fija los elementos de gran escala: dónde están los asentamientos, qué ecología tiene la región, cómo discurre el transporte y cómo se organiza la hidrología. Aquí se decide que un río no se corte en la unión de dos fragmentos del mapa y que una carretera lleve a algún sitio. Micro toma ese contrato y lo especializa hasta la semántica de cada tile. Para ello tiene en cuenta el relieve medido y los compromisos que ya han asumido los tiles vecinos.

Después entra en juego el código local determinista. Compila los planes aceptados en relieve, carreteras, asentamientos, vegetación y entidades. Este esquema garantiza la reproducibilidad: con los mismos planes y el mismo seed se obtiene el mismo resultado.

Streaming con horizontes distintos

La idea de ingeniería principal es que cada etapa tiene un alcance diferente. Los planes avanzan mucho por delante, a lo largo del corredor de movimiento predicho del jugador. La compilación solo se lanza donde el desplazamiento va a requerir geometría en breve. Todo lo que queda a espaldas del usuario se libera de la memoria.

Como resultado, el mundo crece con presupuestos limitados. El nivel barato (el plan) mira lejos y el caro (la geometría) se mantiene cerca del jugador. Para un mundo abierto es la lógica habitual de streaming, solo que aplicada a un modelo generativo.

Un registro del mundo en lugar de memoria oculta

La parte más práctica del trabajo es el registro único del mundo (world record). En él se guardan los planes, los seeds, las identidades de los objetos y su estado mutable, los compromisos de frontera entre tiles y las ediciones contabilizadas por atributos. El registro se actualiza mientras el jugador avanza y cambia cosas. Cuando vuelve, los tiles se recompilan a partir de ese registro, en lugar de reconstruirse desde una difusa «memoria» del modelo.

Es decir, lo que se almacena es la receta del mundo y los deltas aplicados sobre ella, no la geometría ya terminada. De ahí viene la persistencia: un árbol talado o una carretera construida no desaparecerán al volver.

El mismo registro sirve de base para la interacción. El modelo puede actuar sobre entidades existentes, incluidos NPC con un estado que se actualiza a medida que actúan. También puede modificar la región actual o vincular una intención a regiones que todavía no se han planificado.

Componentes del sistema

• Planificador: dos niveles, Macro (grupo de tiles) y Micro (tile individual), sobre un modelo de decisiones tipado • Macro fija: asentamientos, ecología, transporte, hidrología • Micro tiene en cuenta: el relieve medido y los compromisos aceptados por los vecinos • Ensamblaje: código local determinista (relieve, carreteras, asentamientos, vegetación, entidades) • Streaming: planes por delante a lo largo del corredor, compilación bajo demanda, liberación de la geometría que queda atrás • Estado: registro único con planes, seeds, identidades de objetos y ediciones por atributos

Dónde puede resultar útil y qué conviene comprobar

Los primeros candidatos para su aplicación son los estudios de videojuegos y las herramientas de prototipado. Un mundo que se completa según avanza el jugador, entiende comandos de texto y conserva las ediciones encaja en sandboxes, RPG procedurales y editores de niveles. El segundo escenario son los entornos de simulación para entrenar agentes: un registro estructurado del mundo resulta más cómodo para reproducir y depurar que el estado oculto de un modelo de vídeo.

Al evaluarlo conviene fijarse en tres aspectos. El primero es la coherencia en las fronteras entre tiles planificados de forma independiente durante sesiones largas. El segundo es el crecimiento del tamaño del registro del mundo si el jugador modifica mucho el entorno. El tercero es el comportamiento del planificador ante comandos poco habituales, cuando la intención está vinculada a una región aún sin planificar. Ahí se comprueba si la jerarquía cumple la promesa de «expandirse con un presupuesto limitado» sin perder la cohesión.