WorldClaw – Tencent Hunyuan দলের তৈরি 3D বিশ্ব-উৎপাদন ফ্রেমওয়ার্ক চালু আছে

WorldClaw হলো Tencent Hunyuan দলের তৈরি Agent-চালিত ওপেন-ওয়ার্ল্ড 3D উৎপাদন ফ্রেমওয়ার্ক। ব্যবহারকারী একটি প্রাকৃতিক ভাষার বর্ণনা দিলে সিস্টেম স্বয়ংক্রিয়ভাবে ভূখণ্ড, অঞ্চল, ভবন, বস্তু এবং স্থানিক সম্পর্ক পরিকল্পনা করতে পারে। এটি বৈশ্বিক থেকে স্থানীয় পর্যায়ে উৎপাদন কৌশল ব্যবহার করে Blender-এ স্বাধীনভাবে অন্বেষণযোগ্য এবং প্রতিটি বস্তু আলাদাভাবে সম্পাদনাযোগ্য সম্পূর্ণ 3D দৃশ্য তৈরি করে। ফ্রেমওয়ার্কটি Claude Opus, GPT-Image-2, SAM3 এবং Hunyuan3D-সহ একাধিক মডেলের সমন্বয়ে পরিচালিত হয়। এতে ভিজ্যুয়াল Agent-এর স্বয়ংক্রিয় পরীক্ষা ও মেরামতের সক্ষমতা রয়েছে, যা ঝুলন্ত বস্তু বা একটির ভেতর অন্যটি ঢুকে যাওয়ার মতো সংস্পর্শজনিত সমস্যা স্বয়ংক্রিয়ভাবে সংশোধন করতে পারে।

বুদ্ধিমান দৃশ্য পরিকল্পনা: Planning Agent ব্যবহারকারীর বর্ণনা বিশ্লেষণ করে উন্মুক্ত প্রম্পটকে অঞ্চল, ভূখণ্ড, বস্তু, উপাদান এবং স্থানিক সম্পর্কসমৃদ্ধ কাঠামোবদ্ধ দৃশ্যের নির্দিষ্ট বিবরণে রূপান্তর করে।
বৈশ্বিক থেকে স্থানীয় পর্যায়ে উৎপাদন: প্রথমে বিশ্বের ভূখণ্ড ও স্থানিক কাঠামো তৈরি করা হয়, এরপর প্রতিটি অঞ্চলের বিবরণ ধাপে ধাপে পূরণ করা হয়, ফলে রাস্তা বিচ্ছিন্ন হওয়া ও আকারের ভারসাম্যহীনতা এড়ানো যায়।
স্বতন্ত্র সম্পদ উৎপাদন: ভবন, উদ্ভিদ, যানবাহনসহ প্রতিটি বস্তু স্বতন্ত্র ইনস্ট্যান্স হিসেবে থাকে; এগুলো একক বেকড মডেল নয় এবং আলাদাভাবে সরানো, প্রতিস্থাপন ও সম্পাদনা করা যায়।
ভিজ্যুয়াল পরীক্ষা ও মেরামত: ভিজ্যুয়াল Agent বিভিন্ন দৃষ্টিকোণ থেকে রেন্ডার করে অনুপাত, ভঙ্গি ও সংস্পর্শজনিত সমস্যা পরীক্ষা করে এবং ঝুলন্ত বস্তু বা একটির ভেতর অন্যটি ঢুকে যাওয়ার মতো ত্রুটি স্বয়ংক্রিয়ভাবে মেরামত করে।
Blender-এর সঙ্গে গভীর সংযুক্তি: ভূখণ্ড উৎপাদন, সম্পদ উৎপাদন, দৃশ্য স্থাপন, পরীক্ষা ও রেন্ডারিংয়ের সম্পূর্ণ প্রক্রিয়া Blender 5.1.1-এ চলে এবং MCP ইন্টারফেস সমর্থন করে।

মাল্টি-Agent সমন্বিত স্থাপত্য: সিস্টেমটি Planning Agent, Scene Optimization Agent এবং Visual Inspection Agent নিয়ে গঠিত। তারা যথাক্রমে দৃশ্য নকশা, Blender পরিচালনা এবং গুণমান যাচাইয়ের দায়িত্ব পালন করে।
মডেলভিত্তিক কাজের বিভাজন: Claude Opus 4.8 Agent-এর ভিত্তি মডেল হিসেবে কাজ করে, GPT-Image-2 ছবি তৈরি করে, SAM3/SAM3D বিভাজনের কাজ করে এবং Hunyuan3D 3D পুনর্গঠন ও সম্পদ উৎপাদন পরিচালনা করে।
Coarse-to-Fine উৎপাদন কৌশল: প্রথমে ভূখণ্ডের কাঠামো নির্ধারণের জন্য সেমান্টিক হাইটফিল্ড তৈরি করা হয়, এরপর অঞ্চলভিত্তিক বস্তুর বিন্যাসের পরিকল্পনা তৈরি হয় এবং শেষে প্রতিটি 3D সম্পদ আলাদাভাবে পুনর্গঠন করে একত্র করা হয়।
স্থানীয় মেরামত ব্যবস্থা: সংস্পর্শজনিত সমস্যার ক্ষেত্রে কেবল সংশ্লিষ্ট সহায়ক অঞ্চলটি পরিবর্তন করা হয়, যাতে সামগ্রিক ভূদৃশ্যের কাঠামো ক্ষতিগ্রস্ত না হয়।

বর্ণনা লিখুন: প্রাকৃতিক ভাষায় আপনার পছন্দের ওপেন-ওয়ার্ল্ড দৃশ্যের বর্ণনা দিন।
বুদ্ধিমান পরিকল্পনা: Planning Agent স্বয়ংক্রিয়ভাবে প্রম্পটকে ভাগ করে অঞ্চল, ভূখণ্ড, বস্তু ও স্থানিক সম্পর্কসমৃদ্ধ কাঠামোবদ্ধ দৃশ্যের নির্দিষ্ট বিবরণ তৈরি করে।
ভূখণ্ডের কাঠামো তৈরি: সিস্টেম সেমান্টিক তথ্যসমৃদ্ধ হাইটফিল্ড তৈরি করে, যা পর্বতশৃঙ্গ, নদী, উপকূলসহ বিভিন্ন ভূখণ্ড অঞ্চলের স্থানিক ভিত্তি নির্ধারণ করে।
অঞ্চলভিত্তিক সম্পদ উৎপাদন: প্রতিটি অঞ্চলের জন্য ভবন, উদ্ভিদ, যানবাহনসহ স্বতন্ত্র 3D সম্পদ তৈরি করে নির্ধারিত স্থানে বসানো হয়।
ভিজ্যুয়াল পরীক্ষা ও মেরামত: ভিজ্যুয়াল Agent বিভিন্ন দৃষ্টিকোণ থেকে রেন্ডার করে পরীক্ষা চালায় এবং অস্বাভাবিক অনুপাত, ঝুলন্ত বস্তু বা একটির ভেতর অন্যটি ঢুকে যাওয়ার মতো সমস্যা স্বয়ংক্রিয়ভাবে মেরামত করে।
রপ্তানি ও সম্পাদনা: Blender-এ সম্পূর্ণ দৃশ্য পাওয়ার পর বস্তুর অবস্থান স্বাধীনভাবে সামঞ্জস্য করা, সম্পদ প্রতিস্থাপন করা বা উপাদান পরিবর্তন করা যায়।

প্রম্পট থেকে সম্পূর্ণ বিশ্ব: একটি প্রাকৃতিক ভাষার বর্ণনা থেকেই ভূখণ্ড, ভবন, উদ্ভিদ ও স্থাপনা-সমৃদ্ধ সম্পূর্ণ অন্বেষণযোগ্য 3D দৃশ্য স্বয়ংক্রিয়ভাবে পরিকল্পনা ও তৈরি করা যায়; প্রতিটি সম্পদ হাতে মডেল করার প্রয়োজন নেই।
স্বতন্ত্র সম্পাদনাযোগ্য সম্পদ: সব বস্তু স্বতন্ত্র টেক্সচার Mesh এবং ইনস্ট্যান্স হিসেবে থাকে। এগুলো আলাদাভাবে সরানো, প্রতিস্থাপন বা উপাদান পরিবর্তন করা যায়, পুরো বিশ্ব পুনরায় তৈরি করার দরকার হয় না।
বুদ্ধিমান পরীক্ষা ও মেরামত: ভিজ্যুয়াল Agent সক্রিয়ভাবে অনুপাত, ভঙ্গি ও সংস্পর্শজনিত সমস্যা পরীক্ষা করে এবং ঝুলন্ত বস্তু বা একটির ভেতর অন্যটি ঢুকে যাওয়ার মতো সাধারণ 3D ত্রুটি স্বয়ংক্রিয়ভাবে মেরামত করে, ফলে উৎপাদনের মান উন্নত হয়।
Blender-এর সঙ্গে গভীর সংযুক্তি: সম্পূর্ণ প্রক্রিয়া Blender 5.1.1-এ চলে এবং MCP ইন্টারফেসের মাধ্যমে সরাসরি পরিচালনা করা যায়, ফলে বিদ্যমান 3D কর্মপ্রবাহে যুক্ত করা সহজ।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://tencent-hunyuan.github.io/Hunyuan3D-WorldClaw/
arXiv প্রযুক্তিগত গবেষণাপত্র: https://arxiv.org/pdf/2608.05248

গেম প্রোটোটাইপ উন্নয়ন: দ্রুত ওপেন-ওয়ার্ল্ড স্তরের ব্লকআউট ও ধারণাভিত্তিক দৃশ্য তৈরি করে প্রাথমিক পর্যায়ের গেমপ্লে যাচাই ও পুনরাবৃত্তি ত্বরান্বিত করা।
চলচ্চিত্রের ভার্চুয়াল প্রোডাকশন: বড় আকারের বহিরাঙ্গন ভার্চুয়াল পরিবেশ তৈরি করা, যাতে পরিচালক শটের পূর্বরূপ এবং ডিজিটাল সম্পদের প্রিভিজুয়ালাইজেশন করতে পারেন।
VR/AR অভিজ্ঞতা নকশা: স্বাধীনভাবে অন্বেষণযোগ্য নিমজ্জিত 3D স্থান তৈরি করা, যা ভার্চুয়াল ভ্রমণ, প্রশিক্ষণ সিমুলেশন বা প্রদর্শনীতে ব্যবহার করা যায়।
স্থাপত্য ও নগর পরিকল্পনা: বৃহৎ এলাকার পরিকল্পনা প্রস্তাব দৃশ্যায়ন করা এবং ভূখণ্ড, ভবন ও জনসাধারণের স্থাপনার বিন্যাস সরাসরি প্রদর্শন করা।
3D সৃজনশীল ধারণাশিল্প: ডিজাইনারদের সম্পাদনাযোগ্য সম্পূর্ণ দৃশ্যের ভিত্তি দেওয়া, ফলে শূন্য থেকে হাতে তৈরি করার খরচ উল্লেখযোগ্যভাবে কমে যায়।