WorldStream constrói um mundo 3D infinito e lembra cada edição do jogador

Os autores do WorldStream criaram um modelo de mundo 3D que resolve de uma só vez três tarefas normalmente tratadas separadamente. Ele continua o território jogável além dos limites de qualquer mapa predefinido, executa comandos livres em linguagem natural em um mundo que já está rodando e devolve os locais visitados com todas as edições feitas. O planejamento acontece em dois níveis, Macro e Micro, e quem constrói a geometria não é uma rede neural, mas um código determinístico. O trabalho entrou no Hugging Face Daily Papers.

Dois planejadores e um compilador em vez de geração «direta»

O WorldStream não desenha o mundo em pixels nem entrega uma malha (mesh) pronta. O modelo produz uma decisão estruturada, seguindo um esquema tipado, e todo o resto é montado a partir dela. Isso define a arquitetura.

O Macro trabalha no nível de um grupo de tiles e fixa os elementos de grande escala: onde ficam os assentamentos, qual é a ecologia da região, por onde passa o transporte e como a hidrologia se organiza. É aqui que se decide que um rio não vai se interromper na junção de dois pedaços do mapa e que uma estrada vai levar a algum lugar. O Micro pega esse contrato e o especializa até a semântica de um tile individual. Ele leva em conta o relevo medido e os compromissos que os tiles vizinhos já assumiram.

Em seguida entra o código local determinístico. Ele compila os planos aprovados em relevo, estradas, assentamentos, vegetação e entidades. Esse arranjo garante reprodutibilidade: com os mesmos planos e o mesmo seed, o resultado é o mesmo.

Streaming com horizontes diferentes

A principal ideia de engenharia é que cada etapa tem um alcance diferente. Os planos avançam bastante à frente, ao longo do corredor de movimento previsto do jogador. A compilação só começa onde o deslocamento logo vai exigir geometria. Tudo o que ficou para trás do usuário é liberado da memória.

O resultado é um mundo que cresce sob orçamentos limitados. O nível barato (o plano) olha longe; o caro (a geometria) fica perto do jogador. Para um mundo aberto, é a lógica usual de streaming, só que aplicada a um modelo generativo.

Um registro único do mundo em vez de memória oculta

A parte mais prática do trabalho é o registro único do mundo (world record). Nele ficam os planos, os seeds, as identidades dos objetos e seu estado mutável, os compromissos de fronteira entre tiles e as edições registradas por atributos. O registro é atualizado enquanto o jogador avança e altera algo. Quando ele volta, os tiles são recompilados a partir do registro, e não reconstruídos a partir de uma vaga «memória» do modelo.

Ou seja, o que se armazena é a receita do mundo e os deltas aplicados sobre ela, não a geometria pronta. Daí vem a persistência: uma árvore derrubada ou uma estrada construída não desaparecem quando o jogador retorna.

O mesmo registro serve de base para a interação. O modelo pode agir sobre entidades existentes, incluindo NPCs com um estado que se atualiza conforme suas ações. Ele também pode editar a região atual ou vincular uma intenção a regiões que ainda não foram planejadas.

Componentes do sistema

• Planejador: dois níveis, Macro (grupo de tiles) e Micro (tile individual), sobre um modelo de decisões tipado • O Macro fixa: assentamentos, ecologia, transporte, hidrologia • O Micro considera: relevo medido e compromissos assumidos pelos vizinhos • Montagem: código local determinístico (relevo, estradas, assentamentos, vegetação, entidades) • Streaming: planos à frente ao longo do corredor, compilação sob demanda, liberação da geometria que ficou para trás • Estado: registro único com planos, seeds, identidades dos objetos e edições por atributos

Onde isso pode ser útil e o que verificar

Os primeiros candidatos a adotar a tecnologia são estúdios de jogos e ferramentas de prototipagem. Um mundo que se expande conforme o jogador avança, entende comandos de texto e preserva as edições se encaixa em sandboxes, RPGs procedurais e editores de fase. O segundo cenário são os ambientes de simulação para treinar agentes: um registro estruturado do mundo é mais conveniente para reprodução e depuração do que o estado oculto de um modelo de vídeo.

Na avaliação, vale olhar três pontos. O primeiro é a consistência nas fronteiras de tiles planejados de forma independente, em sessões longas. O segundo é o crescimento do tamanho do registro do mundo quando o jogador altera bastante o ambiente. O terceiro é o comportamento do planejador diante de comandos fora do padrão, quando a intenção está vinculada a uma região ainda não planejada. É nesse ponto que se verifica se a hierarquia cumpre a promessa de «expandir sob um orçamento limitado» sem perder a coesão.