論文の概要: WanToFight: Real-Time Generative Game Engine for Multi-Player Combat Interaction
- arxiv url: http://arxiv.org/abs/2607.12592v1
- Date: Tue, 14 Jul 2026 10:10:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.115837
- Title: WanToFight: Real-Time Generative Game Engine for Multi-Player Combat Interaction
- Title（参考訳）: WanToFight:マルチプレイヤーコンバットインタラクションのためのリアルタイム生成ゲームエンジン
- Abstract要約: WanToFightは、キーボード入力からリアルタイムで2人プレイできるゲームエンジンだ。
我々の知る限り、WanToFightはマルチプレイヤー制御、リアルタイム推論、複雑な物理的相互作用、敵対的なゲームプレイを1つのシステムで組み合わせた最初の生成ゲームエンジンである。
- 参考スコア（独自算出の注目度）: 19.592442322277876
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present WanToFight, a generative game engine that simulates real-time, two-player The King of Fighters '97 (KOF~'97) gameplay from keyboard input. Prior generative game engines target either single-player first-person settings or non-real-time cooperative scenarios; multi-player control, real-time inference, complex physical interaction, and adversarial gameplay have not been jointly addressed. WanToFight closes this gap with three components built on the Wan-1.3B video diffusion transformer: a streaming autoregressive generator with block-causal attention and a rolling KV cache; a visually grounded Player Association module that binds each player's keyboard signal to a character identity; and a gated, locally causal keyboard injection module trained with a single-player-to-full-gameplay curriculum. A four-step DMD-distilled student paired with a pruned VAE decoder sustains 30FPS at 512x384 on a single NVIDIA RTX 5090 over the duration of a complete match. To our knowledge, WanToFight is the first generative game engine to combine multi-player control, real-time inference, complex physical interaction, and adversarial gameplay in one system.
- Abstract（参考訳）: We present WanToFight, a generative game engine thatsimulateds real-time, two-player The King of Fighters '97 (KOF~'97) gameplay from keyboard input。
先行生成型ゲームエンジンは、シングルプレイヤーのファーストパーソン設定または非リアルタイム協調シナリオをターゲットにしており、マルチプレイヤー制御、リアルタイム推論、複雑な物理的相互作用、対戦型ゲームプレイは共同で対処されていない。
WanToFightはWan-1.3Bビデオ拡散トランスフォーマー(英語版)上に構築された3つのコンポーネントでこのギャップを埋める:ブロック因果的な注意とローリングKVキャッシュを備えたストリーミング自動回帰ジェネレータ、各プレイヤーのキーボード信号をキャラクターのアイデンティティに結合する視覚的に接地されたプレイヤーアソシエーションモジュール、シングルプレイヤー対フルゲームプレイカリキュラムで訓練されたゲート付きローカル因果キーボードインジェクションモジュール。
プルーニングされたVAEデコーダと組み合わせた4ステップのDMD蒸留学生は、完全なマッチの間、単一のNVIDIA RTX 5090上で、30FPSを512x384で維持する。
我々の知る限り、WanToFightはマルチプレイヤー制御、リアルタイム推論、複雑な物理的相互作用、敵対的なゲームプレイを1つのシステムで組み合わせた最初の生成ゲームエンジンである。
関連論文リスト
- ABot-World-0: Infinite Interactive World Rollout on a Single Desktop GPU [41.37131555577374]
ABot-World-0は、リアルタイムで長時間のクローズドループインタラクションのためのアクション条件付きビデオワールドモデルである。
WorldExplorerは、トレーニングフィードバックによってガイドされたエージェント駆動のコレクションを実行する。
統一パイプラインは、14の決定論的品質チェック、VLMベースのアセスメント、同期アクションとテキストアノテーションを適用している。
論文 参考訳（メタデータ） (2026-07-21T15:26:50Z) - Infinite Worlds with Versatile Interactions [72.56254206708059]
LingBot-World 2.0(LingBot-World-Infinity)は、LingBot-Worldの先進的なイテレーションである。
今回のアップデートでは、より広い範囲のアクションを含む、非常に多様なインタラクティブな要素が導入されている。
共有体験を容易にするために,複数のプレイヤーが同時にこの鮮やかな世界シミュレータに没入できるインタフェースを開発した。
論文 参考訳（メタデータ） (2026-07-08T15:33:25Z) - Multiplayer Interactive World Models with Representation Autoencoders [28.451678067070777]
複雑な物理的相互作用によって制御される高度に動的な環境に対する最初のマルチプレイヤー世界モデルを導入する。
我々は,この問題をRocket Leagueのゲームで研究し,高速で密結合したダイナミックスの下でプレイヤーが競争し,協力する。
論文 参考訳（メタデータ） (2026-07-06T17:31:52Z) - GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? [65.42976417627254]
ゲーム生成はゲームエンジン内で行われ、スクリプト、シーン、アセット、レンダリング、実行時インタラクションは共同でコヒーレントなゲームプレイを生成する必要がある。
我々は、完全なゲームアーティファクトを生成する問題として、エンド・ツー・エンドのゲーム生成を形式化する。
我々は、このフレームワークを15のゲームファミリーで140のGodotタスクからなるベンチマークであるGameCraft-Benchとしてインスタンス化する。
論文 参考訳（メタデータ） (2026-06-16T12:34:39Z) - ActionParty: Multi-Subject Action Binding in Generative Video Games [117.52562594944679]
ActionPartyは、ゲーム生成のための制御可能な多目的世界モデルである。
46の多様な環境において最大7人のプレイヤーを同時に制御できる最初のビデオワールドモデルを実証する。
論文 参考訳（メタデータ） (2026-04-02T17:59:58Z) - MagicFight: Personalized Martial Arts Combat Video Generation [18.043661495412962]
本稿では,新たな課題であるPersonalized Martial Arts Combat Video Generationを紹介する。
私たちのアプローチであるMagicFightは、これらのハードルを克服するために特別に作られています。
ゲーム物理エンジンのUnityを用いて,bespokeデータセットを生成する。
論文 参考訳（メタデータ） (2026-01-05T13:34:17Z) - NitroGen: An Open Foundation Model for Generalist Gaming Agents [101.41866522979548]
NitroGenは、ジェネラリストゲームエージェントのためのビジョンアクション基盤モデルである。
1000以上のゲームで4万時間のゲームプレイビデオでトレーニングされている。
論文 参考訳（メタデータ） (2026-01-04T16:24:50Z) - Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。
Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。
実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
論文 参考訳（メタデータ） (2025-10-27T17:43:51Z) - DanceTogether! Identity-Preserving Multi-Person Interactive Video Generation [15.022584573325572]
DanceTogetherは、単一の参照画像と独立したポーズマスクストリームを、長くてリアルなビデオに変える。
MaskPoseAdapterは"誰が"と"どのように"をデノイングステップ毎にバインドする。
TogetherVideoBenchでは、DanceTogetherは先行の芸術をかなりの差で上回っている。
論文 参考訳（メタデータ） (2025-05-23T16:37:14Z) - GameFactory: Creating New Games with Generative Interactive Videos [50.368593726912856]
生成ビデオは、新しいコンテンツを自律的に作成することによって、ゲーム開発に革命をもたらす可能性がある。
本稿では,アクション制御型シーン汎用ゲーム生成フレームワークであるGameFactoryを紹介する。
実験により,GameFactoryはオープンドメインアクション制御可能なゲームビデオを効果的に生成することを示した。
論文 参考訳（メタデータ） (2025-01-14T18:57:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。