基于 DAO 和 JING 的生成式世界模拟
摘要
提出生成式世界模拟框架,将持久共享世界状态引擎 DAO 与第一人称交互体验模型 JING 耦合,通过连续交互循环生成可随用户动作演化并保留历史的沉浸式视听体验。
查看缓存全文
缓存时间: 2026/10/15 10:59
论文页面 - 基于 DAO 和 JING 的生成式世界模拟
来源:https://huggingface.co/papers/2610.19726 发表于 10 月 14 日
·
提交者:https://huggingface.co/kinpzz
Paul (https://huggingface.co/kinpzz)于 10 月 15 日提交
作者:
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
摘要
一种生成式框架将持久化的共享世界状态与连续的第一人称视听生成相结合,实现随用户行动而演变的持续交互体验.
我们提出了一种生成式世界模拟 (https://huggingface.co/papers?q=Generative%20World%20Simulation)框架,将持久化的共享世界状态 (https://huggingface.co/papers?q=shared%20world%20state)与连续的第一人称视听生成 (https://huggingface.co/papers?q=first-person%20audiovisual%20generation)相结合. 该框架整合了可计算世界引擎 DAO 和自我中心视角交互体验模型 (https://huggingface.co/papers?q=Egocentric%20Interactive%20Experience%20Model) JING,以支持人类和智能体的持续交互. DAO 维护角色、物体和空间的状态及其关系,根据交互规则和世界时间推进世界演变,同时保留过去行动带来的后果. DAO 从这一不断演变的状态中,为 JING 推导出针对各个观察者的条件;JING 则将这些条件与角色、物体和场景参考信息、观察历史以及当前行动相结合,为每位观察者生成视听体验. 用户可以通过视角控制和文本指令探索环境、操纵物体并与角色交流,其行动会影响共享状态及后续体验. 通过在连续交互循环 (https://huggingface.co/papers?q=continuous%20interaction%20loop)中连接世界状态演变与体验生成,该框架为构建能够保留历史、随行动演变且独立于任何单个观察者持续存在的交互世界提供了一种方法.
查看 arXiv 页面 (https://arxiv.org/abs/2610.19726)查看 PDF (https://arxiv.org/pdf/2610.19726)项目页面 (https://xgenlabs.ai/research/generative-world-simulation)GitHub285 (https://github.com/XGEN-Labs/XGEN-JING)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.19726)
在你的智能体中获取这篇论文:
hf papers read 2610\.19726
还没有最新版 CLI?curl \-LsSf https://hf\.co/cli/install\.sh \| bash
引用此论文的模型1
XGENlabs/XGEN-JING 图像与文本生成视频• 更新于约 8 小时前 • 2 • 185 (https://huggingface.co/XGENlabs/XGEN-JING)
引用此论文的数据集0
没有关联此论文的数据集
在数据集的 README.md 中引用 arxiv.org/abs/2610.19726,即可从此页面链接到该数据集.
引用此论文的空间4
包含此论文的合集0
没有包含此论文的合集
将此论文添加到合集 (https://huggingface.co/new-collection),即可从此页面链接到该合集.
相似文章
当生成模型充当模拟器时
这篇论文研究生成模型在何种条件下可以充当可编辑的模拟器,提出通过探测器解码与逆映射两种方式将模型隐状态映射到模拟器状态,并在Othello与自建的连续世界Rayworld中发现映射成功与否强烈依赖环境,即使状态始终可解码。
WorldStream:通过分层规划与持久化状态流式生成交互式三维世界
WorldStream是一个开放式的3D世界模型,通过分层规划与流式编译实现地形无限扩展、处理开放语言指令并持久保存用户编辑。宏/微规划器在有类型的决策模型上生成结构化决策状态,并通过全局记录维护可复现的世界状态与状态化NPC。
持久故事与交互式世界的长时间音视频生成
本文介绍了JoyAI-Echo-1.5,这是一个统一的音视频生成系统,适用于长视频和交互式世界,使用跨镜头记忆和几何感知控制来保持连贯性和持久性。
具有细粒度具身交互的多智能体自我中心世界模型
提出 ME-World,一种多智能体自我中心世界模型,通过在共享 token 序列中联合去噪多个 ego 流,实现细粒度交互下的跨视角一致性、共享环境一致性与状态更新传播,并引入共享世界一致性指标。
无限世界与多样交互
本文介绍了LingBot-World 2.0,一个先进的世界建模系统,具有无界交互范围、实时720p 60fps视频生成、多样化的交互元素(例如攻击、施法),以及通过领航员和导演智能体实现的新型多智能体行为控制,还附带一个共享的多玩家界面。