基于世界模型的高效多样化协作智能体生成

arXiv 25.6 2025 47.9 method, application

TLDR

XPM-WM利用世界模型生成模拟轨迹，提升了零样本协调中多样化协作智能体生成的样本效率和可扩展性。

评分理由

The paper addresses a key bottleneck in ZSC training by replacing costly trajectory sampling with simulated trajectories from a learned world model, showing comparable performance with higher efficiency. However, the abstract lacks real-world validation and does not discuss limitations of the world model's fidelity or generalization.

Read-first 评分解释

综合优先阅读分 47.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 39。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

主题相关性 42%

55.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：无

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：477。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

使用学习的世界模型为零样本协调（ZSC）训练中的交叉玩法最小化（XPM）生成模拟轨迹
消除了在XPM过程中从真实环境采样多种类型轨迹的需求
实现了显著更高的样本效率和可扩展到更多伙伴智能体

方法

提出的XPM-WM框架训练一个世界模型来模拟环境动力学，然后使用它生成用于交叉玩法最小化的模拟轨迹。这消除了采样多种真实轨迹的需求，降低了计算成本和样本低效问题。

关键结果

XPM-WM在自对弈种群训练奖励和为ZSC智能体训练伙伴方面与先前XPM方法性能相当，同时显著更样本高效且可扩展到更多伙伴。

资源

论文