WorldClaw：1つのプロンプトから編集可能な 3D ワールドへ

WorldClaw は1つの自由形式テキストプロンプトから、つながった地形、異なる地域、各地に配置されたコンテンツを持つ大規模な 3D 環境を生成します。地形とオブジェクトは、1枚の画像や固定カメラパスに焼き込まれず、独立したシーン要素として残ります。

各オブジェクトは、個別のテクスチャ付きメッシュと配置トランスフォームを保持できます。そのため、自由視点での探索、オブジェクトの置換、再利用、一般的な 3D ワークフローへの書き出しが可能です。

最初のエージェントは、テーマ、主要地域、オブジェクト、スタイル、相対配置など、プロンプトに明記された要件だけを抽出します。次のプランニングエージェントは元の意図を損なわずに曖昧さを解消し、シーン構築に必要な技術属性を補います。

その結果、地形パイプラインとオブジェクトパイプラインが共有する構造化仕様が作られます。この中間プランにより、複数のエージェントがワールドの異なる部分を扱っても、広範囲の位置関係を維持できます。

WorldClaw はプランをセマンティックレイアウトマップに変換し、地域別の標高、ノイズ、地形演算子から連続したハイトフィールドを構築します。マテリアルと再利用可能な環境アセットも同じ地域マスクで割り当てるため、山、平地、水域、植生などの地形要素が空間的につながります。

Blender 内のレンダリングとレビューのループでは、地域の境界、テクスチャスケール、アセット散布、照明、目立つアーティファクトを確認します。地形エージェントは問題のあるパラメータだけを修正して再レンダリングし、広域レイアウトを守りながら局所品質を高めます。

WorldClaw は、すべての場所を最大ディテールで埋めるわけではありません。地域プランナーが用途と地形に応じて情報量を増やす場所を選びます。局所地面をレンダリングし、地形に合わせた構図画像を作り、オブジェクトインスタンスを分離してテクスチャ付きメッシュとして再構築し、地形上のスケール、向き、配置を復元します。

続いてレンダリング誘導エージェントが、オブジェクト品質、ポーズ、サイズ、地面との接触を確認します。弱いアセットは Hunyuan3D で改善し、地形とオブジェクトのトランスフォームを調整して、浮き、めり込み、不安定な接地を減らします。

出力は固定カメラの動画ではなく、明示的な 3D シーンです。地形は扱いやすいサーフェスとして、地域オブジェクトは独立したテクスチャ付きメッシュインスタンスとして残ります。この表現なら、任意視点、オブジェクト単位の置換、アセット再利用、一般的な 3D コンテンツパイプラインへの引き渡しが可能です。

公式例には、島、峡谷の集落、雪の谷、砂漠の戦場、村、鉱山、火山環境があります。RGB、インスタンスマスク、法線、深度ビューによって、見た目だけでなく内部のシーン構造も確認できます。

WorldClaw は、エージェント推論に Claude Opus 4.8、画像生成に GPT-Image-2、セグメンテーションに SAM3、初期オブジェクト再構築に SAM3D、アセット改善に Hunyuan3D を使い、Blender 5.1.1 をシーン実行環境として組み合わせています。公開されたワールド例は、4基の NVIDIA H20 GPU を搭載したサーバーで生成されました。

現在のパイプラインは、シーン構築と見た目の改善に重点を置いています。ナビゲーション、物理、アニメーション、より豊かなオブジェクト階層、実行時エンジンとの高度な統合は今後の課題です。