Wizard：用智能体控制实时操控任意游戏世界

Wizard 提出一种智能体控制的世界模型，将角色动画、场景操控和玩法逻辑与视觉生成解耦，由智能体通过结构化视觉代理控制关节骨架和场景几何。团队构建了 50.3 小时对齐的代理-视频对，覆盖 750 个场景和 178 个角色，借助角色感知自适应掩码保留参考外观，并通过因果适配和少步蒸馏实现 24 FPS 交互，可零样本泛化到未见场景、角色和动作。代码即将发布。