WorldPlay2, başlangıçta tek bir görsel ve kısa bir metin komutundan hareketle kullanıcıların içinde gezip etkileşim kurabildiği sanal ortamlar oluşturuyor. Model, sahneye yeni komutlar verildiğinde çevreyi ve karakteri mümkün olduğunca koruyarak gelişen olaylara uyum sağlıyor.
Tek görselden etkileşimli sahneye
Dünya modelleri, bir ortamın görünüşünü ve kullanıcı eylemlerine nasıl tepki vermesi gerektiğini öğrenerek etkileşimli sanal dünyalar üretiyor. WorldPlay2’de kullanıcı, örneğin bir orman yolu fotoğrafı yükleyip mavi ceketli bir yürüyüşçü ile yağmurun başladığı bir sahne tarif edebiliyor. Sistem bu girdilerle gezilebilir bir video dünyası oluşturuyor.
Oluşturulan ortamda WASD tuşlarıyla hareket etmek, yön tuşlarıyla kamerayı çevirmek ve boşluk tuşuyla zıplamak mümkün. Dünya birinci ya da üçüncü şahıs bakış açısından keşfedilebiliyor. Kullanıcı deneyim sürerken yeni metin komutları da girebiliyor; örneğin yağmurun kesilmesini ve bulutların arasından güneş ışığı gelmesini isteyebiliyor. Model, her komutta sahneyi baştan kurmak yerine mevcut karakteri ve çevreyi korumaya çalışıyor.
Gerçek zamanlı üretim hızı ve donanım gereksinimi
Araştırma makalesinde WorldPlay2’nin 8 NVIDIA H20 ekran kartı üzerinde saniyede 16 kare (FPS) üretebildiği belirtiliyor. Tarayıcıdan erişilebilen Reactor sürümü içinse 4 NVIDIA B200 ekran kartıyla yaklaşık 17 FPS hız bildiriliyor.
Modelin ağırlıkları ve çalıştırma kodları bu hafta GitHub’da yayımlandı. Önceden hazırlanmış görsellerden oluşturulan dünyaları Reactor üzerinden tarayıcıda deneyimlemek de mümkün. Sistemi kendi sunucusunda çalıştırmak isteyen kullanıcılar GitHub deposundaki kod ve modellerden yararlanabiliyor.
Açık kaynak olarak paylaşılması, WorldPlay2’nin sıradan bir oyuncu bilgisayarında rahatça çalışacağı anlamına gelmiyor. Sistem, 14 milyar parametreli Wan2.2 I2V-A14B video üretim modelini temel alıyor ve bu modelin ayrıca indirilmesi gerekiyor. Model ağırlıkları ve gerçek zamanlı üretim için gereken işlem gücü önemli donanım kaynakları gerektiriyor.
Sahne tutarlılığı için hafıza belirteçleri
WorldPlay2’nin kontrol yaklaşımında fiziksel hareketler ile metin komutları farklı biçimlerde ele alınıyor. Kamerayı döndürmek, ilerlemek, geri gitmek, yana hareket etmek ve zıplamak gibi eylemler belirli karelerle eşleştiriliyor. Metin komutlarıysa sahnenin görünümünü, karakterin kimliğini ve olayları ayrı ayrı tanımlıyor. Böylece yağmurun başlaması istendiğinde modelin hava koşullarını değiştirmesi, karakteri ve çevrenin genel yapısını ise mümkün olduğunca aynı tutması amaçlanıyor.
Model, geçmişte oluşturduğu karelerin tamamını yüksek çözünürlükte sürekli işlemek yerine bu görüntülerden daha küçük hafıza belirteçleri (memory tokens) çıkarıyor. Önceki sahnelere ait bilgileri daha kompakt biçimde saklayan bu yöntem, her yeni karede işlenecek veri miktarını azaltıyor. Kullanıcı daha önce geçtiği bölgelere döndüğünde çevrenin tutarlı kalmasına da katkı sağlıyor.
Oyun motorlarının yerini almış değil
WorldPlay2, geleneksel oyun motorlarının ya da bütünüyle üç boyutlu sanal dünyaların yerini alabilecek düzeyde değil. Bununla birlikte paylaşılan demolar, bu yönde ilerleyen bir yaklaşım sergiliyor. Dünya modellerinin sonraki nesillerinin oyun prototipleri ve sanal deneyimler geliştirmede kullanılabileceği, daha uzun vadede ise oyun sektörü başta olmak üzere farklı alanlarda daha büyük değişimlere yol açabileceği belirtiliyor.
