Das 3D Team von Tencent Hunyuan hat WorldClaw veroeffentlicht: eine offene Beschreibung hinein, eine dreidimensionale Welt heraus, in die man hineingehen und die man Stueck fuer Stueck aendern kann.

Ein Modell dazu zu bringen, aus einem Satz Berge zu malen, ist in den letzten zwei Jahren gewoehnlich geworden. Schwierig ist etwas anderes: Das Bild sieht aus wie eine Welt, und es ist keine. Man kommt nicht hinein und kann nichts aendern. Baeume und Haeuser sind in einem Bild verschmolzen, und einen einzelnen Baum zu versetzen heisst meist, das ganze Bild neu zu erzeugen.

WorldClaw setzt bei dieser Luecke an. Es zerlegt den Bau einer Welt in eine Kette mehrerer Agenten vom Groben zum Feinen: erst das Geruest, dann die Einzelheiten, und am Ende ein Satz texturierter dreidimensionaler Netze, die voneinander unabhaengig sind. Das Papier erschien im August 2026 auf arXiv, die Projektseite gleichzeitig, und elf erzeugte Welten wurden als Beispiele veroeffentlicht.

Erst das Geruest, dann die Einzelheiten

Die Kette laeuft in drei Stufen, jede gehoert einem eigenen Agenten, und die Informationen wandern ueber eine gemeinsame strukturierte Darstellung. Die erste Stufe ist Absicht und Planung: Der Agent fuer die Absicht zieht nur die Vorgaben heraus, die wirklich genannt wurden, und erfindet nichts dazu; der Agent fuer die Planung fuellt die Luecken und gibt eine Szene Vorgabe aus, die Gebietsaufteilung, Gelaendeparameter, Objektklassen, Materialstil und raeumliche Beziehungen umfasst.

Die zweite Stufe erzeugt das Gelaende im Ganzen. Das System malt zuerst eine farbcodierte semantische Lagekarte und stapelt dann ein gebietsgewichtetes Hoehenfeld, das Grundhoehe, Rauschen in mehreren Frequenzen und Geländeoperatoren wie Gipfel, Duenen, Terrassen und Erosion verbindet, sodass Berge, Fluesse und Ebenen an den Raendern ineinander uebergehen statt aneinander geklebt zu werden. Auch das Oberflaechenmaterial wird nach Gebiet verteilt, entweder als erzeugte Textur oder als prozedurale Knoten.

Erst die dritte Stufe widmet sich den Einzelheiten, und sie fuellt nicht die ganze Welt auf einmal. Sie waehlt zuerst die Gebiete, die Inhalt brauchen und zugleich passendes Gelaende bieten, und buendelt die Rechenzeit nur dort.

Jedes Objekt bleibt ein eigenes Netz

Die Stufe fuer den Inhalt der Gebiete arbeitet anders als das Erzeugen von Netzen direkt im Raum. Das System rendert das vorhandene Gelaende in ein zweidimensionales Bild und gibt es einem Bildmodell, das Gebaeude, Fahrzeuge und Pflanzen hineinmalt, woraus ein an das Gelaende gebundenes Gesamtbild entsteht. Ein Trennmodell schneidet dann jedes Objekt heraus, baut sie einzeln als texturierte Netze nach und setzt sie zuletzt ueber Strahl Schnitt an den passenden Stellen zurueck auf das Gelaende.

Auch der Massstab wird abgeglichen: Nach erneutem Rendern soll die Flaeche, die ein nachgebautes Netz im Bild einnimmt, ungefaehr dem Stueck entsprechen, aus dem es geschnitten wurde. Weil jedes Objekt Form, Lage, Massstab und Textur behaelt, bedeutet ein Baum zu ersetzen oder ein Haus ein paar Meter zu verschieben, genau dieses eine Objekt zu aendern, und der Boden darum muss nicht neu gebaut werden.

Der Kreis aus Rendern und Pruefen

Objekte platziert zu haben ist nicht das Ende. Ein Agent fuer die Feinarbeit verbindet sich ueber MCP mit Blender, rendert aus mehreren Blickwinkeln und prueft Masse, Haltung und den Kontakt zwischen Objekt und Boden. Was schwebt, einsinkt, durchdringt oder offensichtlich falsch skaliert ist, wird herausgegriffen, dann wird das Objekt verschoben oder das kleine Stueck Gelaende darunter angehoben oder geglaettet, und ein weiteres Rendern bestaetigt die Aenderung.

Dieser Kreis aus Rendern, Pruefen und Korrigieren ist auch der Grund, warum Gelaende und Objekte getrennt entstehen duerfen: Nach einer lokalen Aenderung bleibt das Ganze zusammenhaengend.

Was heute schon geht

Klar gesagt: WorldClaw ist noch ein Forschungsvorhaben. Veroeffentlicht sind das Papier und die Projektseite; Code, Gewichte und Schnittstelle sind nicht heraus, und Preise gibt es keine. Die Versuche im Papier liefen in Blender 5.1.1 auf einem Server mit vier NVIDIA H20 Karten, und die Autoren merken an, dass jedes weitere Objekt und jede weitere Runde Feinarbeit Zeit und Kosten nach oben treiben.

Das Papier ist bei den eigenen Grenzen ziemlich direkt. Eine ist die Abhaengigkeit von der Faehigkeit des Modells: Die endgueltige Qualitaet ist durch die Obergrenze des Moduls fuer dreidimensionale Erzeugung begrenzt, und ein schwaecherer Baustein laesst das Ergebnis sichtbar nach. Die andere ist die unstete Code Erzeugung: Gelaendebau, Material, Platzierung und Feinarbeit haben mehrere Schritte, in denen ein grosses Modell kurzfristig Code schreibt, sodass ein Fehler bei Massstab, Zahlenwert oder Knotenverbindung sich direkt als unstimmiges Gelaende oder falsches Material zeigt.

Geliefert werden aenderbare Szenen Inhalte, kein Spiel, das man spielen kann. Navigation, Physik und Wechselwirkung muessen danach ergaenzt werden, und die Anbindung an Spiel Engines steht unter den naechsten Arbeiten. Fuer Leute, die Level Prototypen, Vorschauen fuer virtuelle Produktion oder digitale Zwillinge bauen, lohnt es sich, den Ansatz zu verfolgen. Wann er wirklich in die Hand kommt, haengt am naechsten Schritt des Teams.

Der Wert von WorldClaw liegt nicht in dem Satz von der Welt aus einem Satz. Er liegt darin, dass die Welt in Teile zerlegt wurde, die sich pruefen und aendern lassen. Heute ist es ein Papier und eine Projektseite, doch der Weg vom Groben zum Feinen, waehrend des Renderns korrigiert, hat die Erzeugung dreidimensionaler Szenen einen Schritt in Richtung aenderbar geschoben.