作者 | 杨京丽
编辑 | 李水青
智东西 8 月 13 日消息，近日，腾讯混元 3D 团队推出3D 开放世界生成框架 WorldClaw，相关论文已于 8 月 5 日公开。用户输入一句开放式文本描述，WorldClaw 即可生成可自由探索、可继续编辑的大规模 3D 世界。
WorldClaw 采用由粗到细的 Agentic 3D 世界生成方式。多个 Agent 协作完成用户意图分析、场景规划和全局地形构建，再根据各区域的功能和地形条件，逐区生成建筑、车辆、植被等内容，并将其转换为可单独编辑、替换和复用的 3D 资产。
初始场景完成后，Agent 还会根据多视角渲染结果，持续检查并修正物体尺度、姿态、悬浮和穿模等问题。
腾讯混元团队展示了四季村落、热带海盗岛屿、沙漠战场等生成案例，并将 WorldClaw 与 SynCity、Marble、MajutsuCity、WorldGen 和 GPT-5.6 Sol 进行了定性对比。结果显示，基于 WorldClaw 生成的复杂地形具有明显高差、连续边界和清晰的语义分区。
https://arxiv.org/abs/2608.05248
项目网页：
https://tencent-hunyuan.github.io/Hunyuan3D-WorldClaw/
Github 地址：
https://github.com/Tencent-Hunyuan/Hunyuan3D-WorldClaw
一、先搭全局再填细节，四阶段完成 3D 开放世界生成
生成式模型已能根据文本生成图像、视频和 3D 对象，但生成一段 " 看起来像世界 " 的画面，与构建一个可进入、可继续编辑和使用的 3D 世界并不相同。后者还需要连续一致的空间结构，以及可独立编辑、替换和扩展的建筑、道路、植被等场景元素。
针对这一问题，WorldClaw 采用 Global-to-Regional（从全局到区域）的生成方式：先规划整体布局、搭建全局地形，再根据不同区域的功能和地形条件生成局部内容。
这套方法有三大技术亮点：一是先建全局地形、再逐区生成细节；二是通过语义布局控制山地、森林、沙漠等地貌的分布与组合；三是以真实 3D 地形的渲染结果为条件，生成与当地环境匹配的建筑、车辆和植被等内容。
WorldClaw 生成世界的过程主要分成四个阶段。
第一阶段是意图分析和场景规划。WorldClaw 首先理解用户想要的场景，将一句开放式描述整理为清晰的世界规划，明确场景包含哪些区域、采用什么地形、需要哪些物体，以及它们之间如何连接。
第二阶段是全局地形生成。系统根据规划生成整个世界的区域布局，并构建不同区域的地形、材质和环境资产，让山地、平原、森林和沙漠形成连续的三维空间。
第三阶段是区域对象生成。WorldClaw 在全局地形上逐区生成建筑、车辆和植被等内容，并将图像中的物体转化为独立 3D 资产，再放置到相应的三维位置。
第四阶段是场景精修。初始场景完成后，Agent 会从多个视角检查生成结果，识别物体尺度、姿态、几何质量，以及悬浮、穿模和地形接触等问题，并进行局部修改。
简单来说，这套流程就是先理解用户想要的世界，再搭建地形、填充内容，最后自动检查和精修。
二、多 Agent 协作完成，生成后还能自己找问题
一句文本通常只能描述世界的大致样貌，无法完整说明区域划分、地形参数和物体空间关系。WorldClaw 首先使用两个 Agent，将用户需求转化为可执行的场景规划。
其中，意图分析 Agent 负责提取用户已经明确给出的信息，如场景类型、视觉风格、关键区域、物体和空间关系，不主动补充用户没有提及的内容。场景规划 Agent 则在此基础上补全生成 3D 世界所需的信息，将区域、地形、物体及其关系整理成统一的场景规范。
生成地形时，WorldClaw 会先准备一张划分不同区域的语义布局图、一套岩石和植被等可复用 3D 环境资产，以及一套草地、岩石、沙土等地表材质。后续生成过程均遵循同一套区域规划，避免地形、材质和场景资产各自生成、相互脱节。
系统随后通过 PCG（程序化内容生成）构建 3D 高度场。不同区域采用相应的地貌规则，让山地形成自然起伏、沙漠产生连续沙丘、平原保持相对舒缓，并使不同地貌自然衔接。岩石、植被等环境资产的分布也会参考区域类型、局部高度和坡度，过滤过陡或不合理的位置。
地形生成完成后，地形优化 Agent 会重新渲染场景，检查地形形态、材质尺度、资产密度和区域过渡，再对局部问题进行修改，形成 " 程序化生成—渲染检查— Agent 修正 " 的闭环。
填充区域内容时，WorldClaw 不会一次将整个世界塞满，而是先挑选需要内容且地形条件合适的区域。系统将对应地形渲染成二维图像，并让图像生成模型在图中加入建筑、车辆和植被等内容，以此确定对象的外观和空间布局。
随后，系统利用 SAM3 分割图中的不同对象，再通过 SAM3D 将它们重建为独立 3D 网格，并校准每个对象的尺度、位置和朝向。每个独立生成的对象均可继续编辑、替换和复用。
完成放置后，场景精修 Agent 会通过 MCP 接口连接 Blender，根据多视角渲染结果检查对象。尺度或姿态不合理的对象会被重新调整，几何和纹理质量不足的对象则交由混元 3D 进一步优化。发现悬浮或穿模后，系统还可以调整对象位置，或在局部范围内抬升、平滑地形，让物体与地面稳定接触。
三、可生成海盗岛、沙漠战场，场景对象均可单独编辑
腾讯混元团队还将 WorldClaw 与 SynCity、Marble、MajutsuCity、WorldGen 和 GPT-5.6 Sol 进行了定性对比。
结果显示，WorldClaw 能够生成具有明显高差、连续边界和清晰语义分区的复杂地形，保留全局地形与独立对象网格。同时，WorldClaw 还支持自由探索及对象级编辑。
此外，腾讯混元团队展示了热带海盗岛屿和沙漠战场等代表性案例。
热带海盗岛屿案例中，WorldClaw 生成了具有连续地形和明确区域划分的岛屿，并在其中布置了建筑、码头、植被和船只等场景元素。
沙漠战场案例中，WorldClaw 在起伏的沙漠地形上生成了建筑、载具和环境设施等内容，形成了可自由探索的完整战场场景。
结语：从生成 3D 资产走向构建 3D 世界
WorldClaw 将全局规划、复杂地形生成、区域内容构建和渲染反馈串联起来，让大规模 3D 世界生成拥有了持续规划、生成、检查和修改的完整流程。最终产物由真实地形和独立 3D 资产组成，可以继续用于游戏引擎和内容生产。
随着基础模型的编程、空间理解和工具使用能力提升，Agent 有望进入几何建模、材质与 Shader 构建、PCG、动画和交互逻辑等更多 3D 生产环节。3D 生成也可能从 " 模型生成资产 " 逐步走向 "Agent 编程构建世界 "，让创作者可以把更多精力放在定义想要创造的世界上。
