Solaris: 在Minecraft中构建多人视频世界模型

arXiv 26.2 2026 70.7 method, benchmark, system, application

TLDR

Solaris提出多人视频世界模型，在Minecraft中实现多智能体一致多视角模拟。

评分理由

The paper addresses a clear gap (single-agent video world models) with a novel multiplayer data collection system and staged training pipeline. Strengths include open-sourcing and a dedicated evaluation framework; weaknesses are domain specificity to Minecraft and potential scalability issues.

Read-first 评分解释

综合优先阅读分 70.7，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 56。

近期性 8%

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 42%

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：基线、评估、结果

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：检查点、GitHub

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：104。

关键词评分

video world model

world model

generative world model

interactive world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

模拟一致多视角观测的多人视频世界模型
用于在Minecraft等游戏中实现稳健、连续、自动化数据收集的多人数据系统
从单智能体逐步过渡到多智能体建模的分阶段训练流程
Checkpointed Self Forcing，一种用于长视野教师的内存高效Self Forcing变体

方法

Solaris使用多人数据系统从Minecraft中收集了1264万帧多人数据。它采用分阶段训练流程，从单智能体逐步过渡到多智能体建模，结合了双向、因果和Self Forcing训练。在最后阶段，引入了Checkpointed Self Forcing作为内存高效的变体。

关键结果

Solaris在提出的多人运动、记忆、定位、建造和视角一致性评估框架上优于现有基线。

技术栈

MinecraftVideo World ModelSelf ForcingCheckpointed Self Forcing

资源

论文项目