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
- 说明研究目标及当前可访问的 WildWorld 文件或仓库信息。
- 核对数据集是否发布,并确认实际目录和标注字段。
- 按目标读取帧、动作及状态等所需数据。
- 筛选动作片段并组织训练或评测序列。
- 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。
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.