本项目 · 项目发布与研究
WHAM 论文发表：预测游戏画面与玩家动作
Nature 论文介绍 WHAM，从人类游玩数据学习游戏画面与控制器动作，可通过画面或动作条件探索游戏场景。
对象是 Nature 2025 的 WHAM，实验围绕单个 3D 游戏；不等同于后来的 WHAM-RT 或任意游戏通用模拟器。
Microsoft Research / 独立收录记录
WHAM（Nature 2025）
WHAM 是 Microsoft Research 的 World and Human Action Model，使用人类游戏画面与控制器动作学习序列。本页记录 Nature 2025 的首个论文模型，不替换为 WHAM-RT。
技术资料
来源与原文 ↓能做什么，使用时要注意什么
输入与结果
- 提供什么
- 游戏图像和控制器动作条件。
- 得到什么
- 预测的游戏画面和控制器动作序列，依具体模式而定。
- 动作的作用
- 预测以动作为条件。
开放情况与使用边界
- 开放声明
- 开放权重
开放情况是所引材料中的声明；当前访问方式与服务状态请以官方页面为准。开放权重不等于开源。
材料说明的限制
论文的游戏案例聚焦单一 3D 电子游戏。
分类与用途
- 控制方式
- 智能体动作 · 场景布局 / 编辑
- 应用领域
- 游戏
WHAM 的核心自回归预测对象是观测与动作 token，再解码为可观察序列。图像编辑条件不等于三维场景输出；WHAM-RT、Muse 研究计划与首个论文模型分开。
查看分类依据 ↓资料尚未确认
开源情况需要区分的对象已收录材料不足以判断，未确认不代表没有相应能力。
沿着公开资料继续了解
按事件时间展示已收录进展，非完整新闻列表。
来源与原文
按原始材料集中查阅；相同原句合并展示，对应资料与阅读日期一并保留。
WHAM（Nature 2025） · 项目原始材料
核对原文摘录 · 1 段，支持 2 项资料
原阅读方向 / 一句话认识
WHAM can be used in world-model mode (predicting how the game evolves), action-model mode (generating plausible controller actions), or both.WHAM（Nature 2025） · 项目原始材料
核对原文摘录 · 4 段，支持 5 项资料
输入什么 / 动作是否影响预测
a predictive model that can be conditioned on (modified) images and/or controller actions.输出什么
WHAM was trained on human gameplay data to predict game visuals (‘frames’) and players’ controller actions来源中的开放声明
We provide model weights, sample data and the WHAM Demonstrator to support interpreting, validating and extending our results.材料说明的限制
Extrapolating from our use case focusing on a single 3D video game,分类依据
类型、控制方式与应用领域是本站根据所引材料归纳的检索标签。它们可以重叠，不表示能力验证；未知不表示不支持。
本站整理来源中的声明，不核查厂商声明真伪，不评价模型优劣。了解收录方式 →