EVERWORLD / 产品与技术指南

EverWorld 愿景与技术架构

一个可以互动、可以编排，并与角色共同推动变化的世界。

EverWorld 面向互动直播、互动影游与沉浸式娱乐，以实时互动空间视频，让玩家通过探索、行动和交流改变接下来发生的事。

1.0 深化交互与连续生成，2.0 扩大空间规模与控制能力，3.0 实现自主智能体与实时多模态互动。

三个版本沿用同一技术底座。先了解每一版带来的体验，再看对应架构；持久记忆、时间无限流和其他核心机制，可在下方按主题展开。

1.0产品能力与技术架构

交互式场景生成

让房间或小型连通场景成为可持续游玩的体验：输入驱动连贯场景动态，音视频持续生成，身份与互动后果跨视角延续。

保留 H3 U—MoT—G 底座，强化状态、几何和历史条件。Looped 仅细化 MoT 条件 bank，G 内部不加循环。首阶段以房间或小型连通场景验收，时间无限流与空间规模分别验证。

2.0产品能力与技术架构

让连通空间与场景动态可规划、可执行、可控制。通过分层组织扩大空间规模，沿用共同的音视频生成底座。

01更大规模的连通空间: Coding MLLM 分层规划区域、建筑、房间与实体；通过全局拓扑、局部坐标、分区加载和事件驱动更新，实现跨区探索与状态延续。
02通过自然语言创建和编辑场景: Coding Agent 生成 C／E／A 可执行表征：空间与物理组成 C、动态规则 E、外观与声音 A；通过执行预览、约束检查和局部修订提高可靠性。
03即时生成式对象与实体级控制: 用粗几何、碰撞体、关节和功能区域承载执行，生成模型赋予丰富外观。功能属性落实为规则与状态变化，外观通过实体 ID 和局部坐标绑定。
04模拟结果稳定约束视听生成: 增加两路条件：层级状态编码 → MoT，表达实体、关系与事件；几何／运动／外观条件 → G，约束位置、遮挡、运动和视觉身份。

在 1.0 上增加外部 Coding Agent、可执行场景底座和执行条件编码。分别维护程序 p、执行状态 S、外观记忆 M；执行器推进已建模动态，生成器负责视听呈现。高质量画面仍依赖生成，主要研究难点是让它持续遵从执行结果。

INSTANT 3D OBJECT + SCENE SIMULATION

Code 保存对象的生成与作用配方。物理代理持续存在，生成模型依据同一配方呈现丰富外观。

sword-01同一份可执行生成配方

长方体 · 局部坐标 · 握持区域

刚体 · 接触 · 热作用规则

钢铁 · 符文 · 持久外观编码

位姿 · 速度 · 温度

创建Coding Agent → C/E/A 程序 → 执行、验证与修订

运行输入 → 执行状态 S → 状态／空间编码 + 外观记忆 M → AV 生成

程序 p、执行状态 S、外观记忆 M 通过身份和坐标绑定。功能效果必须执行，画面偏差不能改写状态。

3.0产品能力与技术架构

让智能体在 2.0 的可执行空间中交流、推演和自主行动。玩家可以插话与改口，角色依据独立记忆和目标持续推动场景演化。

01在线全双工多模态互动: 增加流式音频理解、增量多模态上下文、对话控制和流式语音解码；角色边听、边说、边行动，支持插话、改口和取消，并同步口型、动作与声音。
02具有记忆与目标的自主角色: 采用共享多模态 MLLM＋独立角色上下文，维护各自认知、经历、目标和关系；输出语言、技能选择和动作参数，高频动作交给控制器执行。
03行动前比较可能后果: 从角色可知状态构建独立推演分支，复用 2.0 执行器，并结合不确定的行为预测评价候选动作；主要在状态与粗模层推演，降低计算成本。
04多智能体持续互动与场景演化: 让行动改变任务、资源和关系，再由经历影响后续决策；通过共享时间、动作调度、冲突处理和分层更新，支持玩家离开后场景继续运行。