腾讯联合多所高校发布 ReactiveGWM：让游戏 NPC 具备跨游戏迁移的自主策略能力

271 0

由腾讯、新加坡国立大学、香港理工大学、香港科技大学（广州）、中国科学院大学及香港科技大学的研究团队共同推出的 ReactiveGWM，正在重新定义游戏世界模型中非玩家角色（NPC）的行为逻辑。

项目主页：https://inv-wzq.github.io/ReactiveGWM
GitHub：https://github.com/INV-WZQ/ReactiveGWM
模型：https://huggingface.co/INV-WZQ/ReactiveGWM-Models

这项研究的核心突破在于：它不再将 NPC 视为静态的背景元素或简单的脚本执行者，而是赋予其遵循高级策略的自主行为能力。更关键的是，这套策略模块具备零样本迁移（Zero-shot Transfer）能力——在一个游戏中训练好的 NPC 智能，可以直接应用到另一个完全不同的游戏中，无需重新训练。

腾讯联合多所高校发布 ReactiveGWM：让游戏 NPC 具备跨游戏迁移的自主策略能力

核心突破：从“被动播放”到“自主决策”

在传统的游戏世界模型中，NPC 往往缺乏真正的交互性。它们的行为通常是预设好的，或者仅仅是对玩家动作的简单反应，更像是一段“被动播放的视频”，而非真实的对手。

ReactiveGWM 解决了这一痛点。它明确地将玩家控制与NPC 自主性进行了架构上的解耦：

玩家侧：玩家的按键操作通过轻量级的“加性偏置”注入到扩散骨干网络中，确保对角色控制的精准还原。
NPC 侧：NPC 的意图和行为策略通过“交叉注意力模块”进行 grounding（接地/对齐），使其能够理解并执行高级战术。

这种设计使得模型学习到的是一种与具体游戏无关的交互逻辑。这意味着，一旦策略模块训练完成，它可以像插件一样，直接插入到另一个未经标注的不同游戏的世界模型中，即刻生成具备可控行为的智能 NPC。

技术原理：双路径并行与策略解耦

ReactiveGWM 的创新之处在于其内部结构的精心设计，主要依托于 DiT（Diffusion Transformer）块内部的两条非干扰路径：

1. 玩家控制：轻量级加性偏置

玩家的输入（如移动、攻击指令）被池化到潜在的帧率，并作为残差偏置添加到网络中。这种方式极其轻量，既保证了指令执行的低延迟和高精度，又不会干扰模型对游戏原生动态的理解。

2. NPC 策略：交叉注意力注入

NPC 的高级策略（如进攻、防守、控场）被编码为文本提示，并通过交叉注意力机制注入模型。自注意力和前馈网络则保持不变，继续负责建模游戏本身的物理规则和视觉动态。

3. 策略对齐的数据构建

为了训练这一模型，研究团队构建了特殊的数据集。每个视频片段都配对了一个仅限 NPC 的结构化提示，包含：

高层策略：进攻、防守或控制。
具体行为：主动行为与被动行为的描述。
这些提示与玩家的具体动作和场景描述严格分离，确保模型能够独立学习 NPC 的策略逻辑。

零样本迁移：一次训练，全域适用

ReactiveGWM 的工作流程分为两个阶段，体现了其高效的扩展性：

阶段一：源游戏微调（ReactiveGWM-base）
在一个带有详细策略标注的源游戏（如《街头霸王 2》）上进行全量微调，训练出通用的交叉注意力模块。
阶段二：目标游戏迁移（ReactiveGWM-transfer）
当需要应用于新游戏（如《街头霸王 Alpha 3》）时，直接复用该游戏的原生世界模型骨干网络，并接入已训练好的交叉注意力模块。全程无需在新游戏上进行任何重新训练，即可实现可操控的智能 NPC。

这就像是为 NPC 安装了一个“通用战术大脑”，更换游戏场景时无需重装系统，即插即用。

实测表现：精准操控与智能策略并存

研究团队在两款经典格斗游戏《街头霸王 2》和《街头霸王 Alpha 3》上进行了严格测试，结果验证了 ReactiveGWM 的有效性：

玩家操控精度极高
模型对玩家移动、攻击等指令的还原准确率接近 100%，指令执行几乎零误差。开启 NPC 智能后，玩家的操控手感与画面质量未受任何影响。
NPC 策略执行显著提升
传统模型中，NPC 战术执行的准确率通常在 40% 左右。而在 ReactiveGWM 中，这一数据提升至 75% 以上，在真人盲测中，准确率更是超过 80%。NPC 能够根据提示，稳定地执行进攻、防守或控场战术。
跨游戏迁移效果稳定
将在《街头霸王 2》上训练的策略模块直接迁移至《街头霸王 Alpha 3》，NPC 依然能稳定执行既定战术，其表现接近于在该游戏中原生训练的模型。
画质与流畅度无损
生成的游戏画面在清晰度、流畅度上与原生世界模型保持一致，证明了该方法在引入复杂 AI 逻辑的同时，并未牺牲视觉体验。

对于游戏开发者而言，这意味着可以大幅降低为不同游戏定制智能 NPC 的成本；对于玩家而言，这将带来更具挑战性、更拟真且充满变数的对战体验。随着技术的进一步成熟，我们有望看到更多具备“战术思维”的 NPC 出现在各类游戏中，它们不再是等待被击败的背景板，而是真正懂得思考与博弈的对手。