WorldClaw：用一句提示词生成可编辑的 3D 世界

WorldClaw 接收一段开放式文本提示，生成包含连通地形、不同区域和局部场景内容的大型 3D 环境。地形和对象会保留为独立场景元素，而不是被固化成一张图片或一条固定镜头路径。

每个对象都可以保留自己的纹理网格和放置变换。因此，用户能够自由探索视角、替换对象、复用资产，并把结果导入常规 3D 工作流。

第一个智能体只提取提示词明确提出的要求，例如主题、主要区域、对象、风格和相对位置。第二个规划智能体负责消除歧义，并补齐搭建场景所需的技术属性，同时保留用户原本的意图。

最终会形成一份供地形管线和对象管线共同使用的结构化规范。正是这份中间规划，让不同智能体分别处理世界各部分时，仍能维持大范围空间关系。

WorldClaw 先把规划转成语义布局图，再根据各区域的高度、噪声和地貌算子生成连续高度场。材质和可复用环境资产使用同一套区域蒙版分配，因此山地、平原、水体、植被和其他地形特征可以保持空间连贯。

Blender 内的渲染与审查循环会检查区域过渡、纹理比例、资产散布、光照和可见瑕疵。地形智能体只调整出问题的参数，然后再次渲染，在改善局部质量的同时保护整体区域布局。

WorldClaw 不会把每平方米都填满最高细节。区域规划器会挑选需要更丰富内容的区域，渲染局部地面，创建适配地形的构图图像，分离对象实例，将它们重建为纹理网格，并恢复其比例、朝向和地形上的位置。

随后，渲染引导智能体会检查对象质量、姿态、尺寸和表面接触。质量较弱的资产可用 Hunyuan3D 优化，同时调整地形和对象变换，减少悬空、穿插或支撑不稳。

输出是显式 3D 场景，而不是受固定镜头限制的视频。地形保持为易于管理的表面，区域对象则保留为独立纹理网格实例。这种表达方式支持任意视角、对象级替换、资产复用，也方便交接到熟悉的 3D 内容制作管线。

官方示例涵盖岛屿、峡谷聚落、雪谷、沙漠战场、村庄、矿区和火山环境。RGB、实例蒙版、法线和深度视图既能展示最终外观，也能帮助理解底层场景结构。

WorldClaw 使用 Claude Opus 4.8 进行智能体推理，GPT-Image-2 生成图像，SAM3 完成分割，SAM3D 负责初始对象重建，Hunyuan3D 优化资产，并以 Blender 5.1.1 作为场景执行环境。公开展示的世界由配备 4 块 NVIDIA H20 GPU 的服务器生成。

当前管线主要聚焦场景构建和视觉优化。导航、物理、动画、更丰富的对象层级，以及更深入的运行时引擎集成仍属于未来工作。