世界初のテキストからインタラクティブな3D世界を生成するシステム「WorldGen」が発表された。ユーザーが「アニメ調の中世の村」や「火星上のサイエンスフィクション型基地」などと簡潔なプロンプトを入力するだけで、数分以内に視覚的に統一され、自由に歩き回れる3D空間が生成される。この技術は、従来のAI生成コンテンツが抱える課題——例えば、場所によってスタイルが崩れたり、キャラクターが壁に詰まったりする——を大幅に克服している。 WorldGenは、プロシージャルな構成、拡散型3D生成、オブジェクト認識によるシーン分解を統合したエンドツーエンドのシステム。生成プロセスは複数段階にわたり、まずシーン全体の計画とブロックアウト、ナビメッシュの抽出、参照画像の生成を経て、画像から3Dモデルへの再構築を実施。特に、シーン全体を統合的に理解する「オブジェクト認識型分解」技術を用いることで、50メートル×50メートルの広大な空間でも、視覚的・幾何学的に一貫性を保ちながら高品質なテクスチャを維持できる。これにより、従来の方法が中央視点付近に限って品質を保つのに対し、WorldGenは全体にわたって自然な連続性を実現している。 現時点では研究段階であり、開発者向けの公開は未定だが、生成されたコンテンツはUnityやUnreal Engineといった標準ゲームエンジンと互換性があり、追加の変換やレンダリングパイプラインを必要としない。今後の課題として、より大規模な世界の生成と生成遅延の低減が進められている。 3Dコンテンツ制作は従来、高度な専門知識と長時間の作業を要するが、WorldGenはそのプロセスを大幅に簡素化。誰もがコードを書かずに仮想世界を構築できる未来を実現する可能性を示している。本研究は、Connectで発表された「誰もが世界を創れる未来」のビジョンを具現化する重要な一歩である。研究リーダーはDilin Wang氏、Hyunyoung Jung氏らの多職種チームによる共同作業で、技術的革新の背景には、AIによる創造性の民主化という大きな志向がある。