论文页面 - MultiWorld：可扩展的多智能体多视角视频世界模型

来源：https://huggingface.co/papers/2604.18564

摘要

MultiWorld 是一个统一的多智能体多视角世界建模框架，通过专门的条件处理模块与全局状态编码模块，在实现精准多智能体控制的同时保持多视角一致性。

视频世界模型（https://huggingface.co/papers?q=Video%20world%20models）在模拟用户或智能体动作驱动的环境动态方面已取得了显著成功。它们被建模为“动作条件视频生成”模型，输入历史帧与当前动作来预测未来帧。然而，现有方法大多局限于单智能体场景，无法捕捉现实多智能体系统中固有的复杂交互。我们提出 MultiWorld，一个统一的多智能体多视角世界建模框架，在保持多视角一致性的同时实现对多个智能体的精准控制。我们引入多智能体条件模块（Multi-Agent Condition Module）以实现精确的多智能体可控性，并设计全局状态编码器（Global State Encoder）确保不同视角观测的连贯性。MultiWorld 支持智能体数量与视角数量的灵活扩展，并可并行合成不同视角，效率极高。在多玩家游戏环境与多机器人操作任务上的实验表明，MultiWorld 在视频保真度、动作跟随能力与多视角一致性方面均优于基线方法。项目主页：https://multi-world.github.io/

查看 arXiv 页面（https://arxiv.org/abs/2604.18564）
查看 PDF（https://arxiv.org/pdf/2604.18564）
项目主页（https://multi-world.github.io/）
GitHub（https://github.com/CIntellifusion/MultiWorld）
添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2604.18564）

在智能体中获取该论文：

hf papers read 2604.18564

还没装最新 CLI？
curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 0

暂无模型关联该论文

在模型 README.md 中引用 arxiv.org/abs/2604.18564 即可在此页面显示链接。

引用该论文的数据集 0

暂无数据集关联该论文

在数据集 README.md 中引用 arxiv.org/abs/2604.18564 即可在此页面显示链接。

引用该论文的 Spaces 0

暂无 Space 关联该论文

在 Space README.md 中引用 arxiv.org/abs/2604.18564 即可在此页面显示链接。

包含该论文的合集 0

暂无合集包含该论文

新建合集（https://huggingface.co/new-collection）并将该论文加入，即可在此页面显示链接。