MultiWorld: 可扩展的多智能体多视角视频世界模型

arXiv 2026 50.2 method

TLDR

MultiWorld将视频世界模型扩展到多智能体多视角场景，实现精确控制与一致性。

评分理由

The paper addresses the important gap of multi-agent modeling in video world models, introducing a scalable framework with multi-agent control and multi-view consistency. However, it lacks real-world physical validation, and the experiments appear limited to simulated environments.

Read-first 评分解释

综合优先阅读分 50.2，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 61。

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%

87.1

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：基线、实验

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、GitHub

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

排序敏感性

稳定性：volatile；排名波动范围：640。

关键词评分

world model

video world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

多智能体条件模块，实现精确的多智能体可控性
全局状态编码器，确保不同视角下的观测一致性
灵活扩展智能体和视角数量，并行合成提高效率

方法

MultiWorld 是一个条件动作的视频生成模型，以历史帧和多个智能体的当前动作为输入预测未来帧。它包含多智能体条件模块来注入智能体特定动作，以及全局状态编码器来强制多视角一致性。该模型并行合成视角，并在多玩家游戏和多机器人操作任务上进行了评估。

关键结果

MultiWorld 在多玩家游戏和多机器人操作任务上的视频保真度、动作跟随能力和多视角一致性方面均优于基线方法。

资源

论文