ReactiveGWM: Dirigiendo NPC en Modelos de Mundo de Juego Reactivos

Resumen

Los modelos de mundos de juego actuales simulan entornos desde una perspectiva subjetiva y centrada en el jugador. Sin embargo, al tratar al Personaje No Jugador (PNJ) simplemente como píxeles de fondo, estos modelos no pueden capturar las interacciones entre el jugador y el PNJ. En ese sentido, actúan como renderizadores de video pasivos en lugar de motores de simulación reales, careciendo de la comprensión física necesaria para modelar las reacciones del PNJ inducidas por acciones. Presentamos ReactiveGWM, un modelo de mundo de juego reactivo que sintetiza interacciones dinámicas entre el jugador y el PNJ. En lugar de enredar toda la dinámica de interacción, ReactiveGWM desacopla explícitamente los controles del jugador de los comportamientos del PNJ. Las acciones del jugador se inyectan en la columna vertebral de difusión mediante un sesgo aditivo ligero, mientras que las respuestas de alto nivel del PNJ (p. ej., Ofensiva, Control, Defensiva) se fundamentan a través de módulos de atención cruzada. De manera crucial, estos módulos aprenden una representación de la lógica interactiva independiente del juego. Esto permite la transferencia de estrategia zero-shot: nuestros módulos aprendidos pueden conectarse directamente a modelos de mundos listos para usar y sin anotaciones de diferentes juegos. Esto desbloquea instantáneamente interacciones dirigibles con el PNJ sin ningún reentrenamiento específico del dominio. Evaluado en dos juegos de Street Fighter, ReactiveGWM mantiene un control detallado del jugador a la vez que logra una adherencia robusta y alineada con las indicaciones a la estrategia del PNJ, allanando el camino para una interacción escalable y rica en estrategia con el PNJ.

English

Current game world models simulate environments from a subjective, player-centric perspective. However, by treating the Non-Player Character (NPC) merely as background pixels, these models cannot capture interactions between the player and NPC. In that sense, they act as passive video renderers rather than real simulation engines, lacking the physical understanding needed to model action-induced NPC reactivities. We introduce ReactiveGWM, a reactive game world model that synthesizes dynamic interactions between the player and NPC. Instead of entangling all interaction dynamics, ReactiveGWM explicitly decouples player controls from NPC behaviors. Player actions are injected into the diffusion backbone via a lightweight additive bias, while high-level NPC responses (e.g., Offense, Control, Defense) are grounded through cross-attention modules. Crucially, these modules learn a game-agnostic representation of interactive logic. This enables zero-shot strategy transfer: our learned modules can be plugged directly into off-the-shelf, unannotated world models of different games. This instantly unlocks steerable NPC interactions without any domain-specific retraining. Evaluated on two Street Fighter games, ReactiveGWM maintains fine-grain player controllability while achieving robust, prompt-aligned NPC strategy adherence, paving the way for scalable, strategy-rich interaction with the NPC.