Meta本周推出了WorldGen，这是一个端到端系统，可以根据单条文本提示词自动生成可交互和可导航的三维世界。用户可以真正步入其中自由探索，体验高度沉浸感。

WorldGen结合了程序化逻辑推理、基于扩散模型的三维生成技术以及面向对象的场景分解方法。它能够输出几何结构严谨、视觉表现丰富且渲染效率高的三维场景，适用于游戏开发、模拟仿真及沉浸式社交环境等多元应用。

近年来，生成式AI在依据文本或图像生成高质量三维资产方面取得了显著进展。WorldGen在此基础上整合并创新了多项现有二维与三维生成技术。当前其他方法大多基于单一指定视角，从该视角向外延展构建三维世界，而非以全局参考图像或完整布局作为条件约束。这类方法虽能在中心视角附近生成高质量几何与纹理，但一旦移动3-5米，模型质量便迅速下降。相比之下，WorldGen能生成50米×50米尺度的全纹理三维场景，并确保整体风格与几何结构的高度一致性。未来，Meta将进一步拓展可生成世界的空间规模。

目前，WorldGen仍处于研究阶段，尚未向开发者开放使用。不过，其所生成的内容可以直接兼容Unity、Unreal等主流游戏引擎，无需额外转换或定制渲染管线。尽管WorldGen在生成多样化、可交互、可导航三维世界的研究方向上迈出关键一步，但仍存在一些局限。例如，Meta正致力于在未来版本中扩展空间生成范围，并进一步降低生成延迟。