WorldStream construit un monde 3D infini et garde en mémoire chaque modification du joueur

Les auteurs de WorldStream ont conçu un modèle de monde 3D qui traite à la fois trois tâches généralement résolues séparément. Il prolonge un territoire jouable au-delà des limites de toute carte prédéfinie, exécute des commandes libres en langage naturel dans un monde déjà lancé et restitue les lieux visités avec toutes les modifications effectuées. La planification s'organise en deux niveaux, Macro et Micro, et ce n'est pas un réseau de neurones, mais du code déterministe qui construit la géométrie. Les travaux figurent parmi les Hugging Face Daily Papers.

Deux planificateurs et un compilateur plutôt qu'une génération directe

WorldStream ne dessine pas le monde en pixels et ne produit pas de maillage (mesh) prêt à l'emploi. Le modèle fournit une décision structurée selon un schéma typé, et tout le reste est assemblé à partir de celle-ci. C'est ce qui détermine l'architecture.

Macro travaille à l'échelle d'un groupe de tuiles et fixe les grands éléments : l'emplacement des implantations, l'écologie de la région, le tracé des transports et l'organisation de l'hydrologie. C'est à ce niveau que se décide qu'une rivière ne s'interrompra pas à la jonction de deux morceaux de carte, et qu'une route mènera quelque part. Micro reprend ce contrat et le spécialise jusqu'à la sémantique d'une tuile isolée. Il tient compte du relief mesuré et des engagements déjà pris par les tuiles voisines.

Vient ensuite le code local déterministe. Il compile les plans validés en relief, routes, implantations, végétation et entités. Ce schéma garantit la reproductibilité : avec les mêmes plans et le même seed, on obtient le même résultat.

Un streaming à horizons multiples

L'idée d'ingénierie centrale tient à la portée différente de chaque étape. Les plans courent loin devant, le long du couloir de déplacement prédit du joueur. La compilation ne se déclenche qu'aux endroits où le déplacement va bientôt exiger de la géométrie. Tout ce qui reste derrière l'utilisateur est libéré de la mémoire.

Résultat : le monde grandit sous des budgets limités. Le niveau peu coûteux (le plan) regarde loin, le niveau coûteux (la géométrie) reste près du joueur. Pour un monde ouvert, c'est la logique habituelle du streaming, appliquée ici à un modèle génératif.

Un enregistrement unique du monde plutôt qu'une mémoire cachée

La partie la plus pragmatique de ces travaux est l'enregistrement unique du monde (world record). Il contient les plans, les seeds, les identités des objets et leur état modifiable, les engagements aux frontières entre tuiles et les modifications prises en compte par attributs. L'enregistrement se met à jour pendant que le joueur avance et change des choses. Lorsqu'il revient, les tuiles sont recompilées à partir de cet enregistrement, et non reconstituées à partir d'une vague « mémoire » du modèle.

Autrement dit, le système stocke la recette du monde et les deltas qui s'y superposent, et non la géométrie finie. D'où la persistance : un arbre abattu ou une route construite ne disparaissent pas au retour du joueur.

Ce même enregistrement sert de base à l'interaction. Le modèle peut agir sur des entités existantes, y compris des PNJ dont l'état se met à jour au fil de leurs actions. Il peut modifier la région courante ou rattacher une intention à des régions qui ne sont pas encore planifiées.

Composition du système

• Planificateur : deux niveaux, Macro (groupe de tuiles) et Micro (tuile isolée), sur un modèle de décisions typé • Macro fixe : implantations, écologie, transports, hydrologie • Micro prend en compte : le relief mesuré et les engagements acceptés par les voisins • Assemblage : code local déterministe (relief, routes, implantations, végétation, entités) • Streaming : plans en avance le long du couloir, compilation à la demande, géométrie située derrière le joueur libérée • État : enregistrement unique avec plans, seeds, identités des objets et modifications par attributs

À quoi cela peut servir et ce qu'il faut vérifier

Les premiers candidats à l'adoption sont les studios de jeu et les outils de prototypage. Un monde qui se construit autour du joueur, comprend les commandes textuelles et conserve les modifications se prête aux bacs à sable, aux RPG procéduraux et aux éditeurs de niveaux. Second scénario : les environnements de simulation pour l'entraînement d'agents, où un enregistrement structuré du monde est plus pratique à rejouer et à déboguer que l'état caché d'un modèle vidéo.

Pour l'évaluation, trois points méritent attention. Le premier est la cohérence aux frontières de tuiles planifiées indépendamment, lors de longues sessions. Le deuxième est la croissance de la taille de l'enregistrement du monde si le joueur transforme fortement l'environnement. Le troisième est le comportement du planificateur face à des commandes atypiques, lorsque l'intention est rattachée à une région pas encore planifiée. C'est là que l'on vérifie si la hiérarchie tient sa promesse de « s'étendre sous budget limité » sans perdre en cohérence.