基于表示自编码器的多玩家交互世界模型

arXiv 2026 49 method

TLDR

首个使用潜在扩散的多玩家世界模型，在1万小时《火箭联盟》数据上训练，实时生成稳定的4人比赛。

评分理由

Strengths include novel multiplayer conditioning, large-scale training, and stable long-horizon rollouts. Weaknesses are domain specificity to Rocket League and lack of explicit model-based RL integration or generalization evidence.

Read-first 评分解释

综合优先阅读分 49，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 54。

近期性 6%

100

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：2026

主题相关性 29%

77.1

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 18%

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：数据集、评估

可复现性 18%

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：代码、数据集

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：534。

关键词评分

world model

generative world model

interactive world model

world simulator

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

首个针对高度动态环境及复杂物理交互的多玩家世界模型
基于多智能体动作流的条件建模，将场景变化归因于正确的玩家
从短片段训练实现稳定的长时域推演，分布质量保持数分钟至数小时
使用50亿参数潜在扩散模型实时生成四玩家比赛

方法

一个50亿参数的潜在扩散模型，在来自公开可用机器人的1万小时《火箭联盟》游戏数据上训练，在单个Nvidia B200 GPU上以每秒20帧生成四玩家比赛。该研究系统性地探究了视频编解码器、生成目标、多玩家条件方案以及缩放行为。

关键结果

推演在远超训练时域的情况下保持稳定，分布质量至少维持五分钟，且观察到推演持续数小时无崩溃。针对性评估探究了超越视觉外观的物理理解。

局限性

尽管扩展了模型和数据，仍存在持续的失败模式
评估仅限于《火箭联盟》环境

技术栈

Latent Diffusion ModelRocket LeagueNvidia B200 GPUVideo CodecRepresentation Autoencoders

资源

论文