AI Skill 大全

WildWorld动作条件世界建模数据集使用指南

输入 WildWorld 数据集目录或研究需求,获取帧与动作标注的读取、筛选和训练集组织思路,用于准备 ARPG 世界模型实验。

功能与用途

面向使用 WildWorld 研究动作条件世界模型的人员,提供数据集结构说明,以及读取游戏帧、深度图、骨骼、状态、相机和动作标注的示例思路。你可以据研究目标筛选动作片段,并参考 PyTorch 数据集组织方式准备序列输入。数据集、基准代码和实际文件结构是否已发布,需要先核对项目仓库;文中的 API 与目录结构属于预期示例,不能视为已验证的正式接口。

适用场景

  • 梳理数据集标注结构:查看帧、深度、骨骼、状态、相机和动作标注的预期组织方式,规划数据读取流程。
  • 准备动作条件训练样本:参考序列数据集示例,将连续帧、动作标签和角色状态组织成模型训练输入。
  • 筛选指定游戏动作:按移动、攻击、防御或技能类别查找对应动作帧,构建针对性实验子集。
  • 规划世界模型评测:了解 WildBench 的预期评测方向,并据项目正式发布内容确认指标和评测接口。

适用人群

  • 研究视频生成与世界模型的研究人员
  • 计算机视觉方向研究生
  • 开发游戏智能体或生成式模型的数据工程师

使用步骤

  1. 说明研究目标及当前可访问的 WildWorld 文件或仓库信息。
  2. 核对数据集是否发布,并确认实际目录和标注字段。
  3. 按目标读取帧、动作及状态等所需数据。
  4. 筛选动作片段并组织训练或评测序列。
  5. 用真实发布的接口验证示例代码与评测流程。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
知识
适用工具
Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
使用难度
进阶
版本
main
最近更新
2026-11-03
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

WildWorld large-scale action-conditioned world modeling dataset with 108M+ frames from a photorealistic ARPG game, featuring per-frame annotations, 450+ actions, and explicit state information for generative world modeling research.

同类 Skill