論文の概要: Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players

• arxiv url: http://arxiv.org/abs/2605.28816v1
• Date: Wed, 27 May 2026 17:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.271287
• Title: Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players
• Title（参考訳）: Gamma-World: 2人以上の世代別マルチエージェントなワールドモデリング
• Authors: Fangfu Liu, Kai He, Tianchang Shen, Tianshi Cao, Sanja Fidler, Yueqi Duan, Jun Gao, Igor Gilitschenski, Zian Wang, Xuanchi Ren,
• Abstract要約: 対話型シミュレーションのための生成的マルチエージェント世界モデルを提案する。 本モデルでは,映像の忠実度,アクション制御性,およびスロットベースおよび高密度アテンションベースライン上でのエージェント間整合性を改善する。
• 参考スコア（独自算出の注目度）: 87.87842088508553
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models for interactive video generation have largely focused on single-agent settings, where future observations are generated from a single control signal. However, many generated environments require multi-agent interaction: multiple players, robots, or embodied agents act simultaneously within a shared space. Scaling world models to such settings requires a principled multi-agent design: agents should remain independently controllable, permutation-symmetric, and support efficient inference while maintaining consistency across time and perspectives. In this paper, we present our generative multi-agent world model for interactive simulation. It introduces Simplex Rotary Agent Encoding, a parameter-free extension of 3D RoPE that represents agents as vertices of a regular simplex in rotary angle space. This gives each agent a distinct phase while making all agents permutation-equivalent, enabling scalable agent identity without learned per-slot identities or a fixed agent ordering. To avoid dense all-to-all attention across agents, we further propose Sparse Hub Attention, where learnable hub tokens mediate token interaction across agents, reducing cross-agent attention cost from quadratic to linear in the number of agents. For real-time rollout, we distill a full-context diffusion teacher into a causal student that generates temporal blocks sequentially with KV caching, enabling action-responsive generation at 24 FPS. Experiments in multiplayer virtual environments show that our model improves video fidelity, action controllability, and inter-agent consistency over slot-based and dense-attention baselines, while generalizing from two to four players without additional training.
• Abstract（参考訳）: インタラクティブなビデオ生成のための世界モデルは、単一の制御信号から将来の観測が生成される単一エージェント設定に主に焦点を当てている。 しかし、多くの生成された環境はマルチエージェントの相互作用を必要とし、複数のプレイヤー、ロボット、またはエンボディエージェントは共有空間内で同時に作用する。 エージェントは独立して制御可能であり、置換対称であり、時間と視点の一貫性を維持しながら効率的な推論をサポートしなければならない。 本稿では,対話型シミュレーションのための生成型マルチエージェント世界モデルを提案する。 3D RoPEのパラメータフリー拡張であるSimplex Rotary Agent Encodingを導入し、エージェントを回転角空間における正則単純体の頂点として表現する。 これにより、各エージェントに異なるフェーズを与え、すべてのエージェントを置換等価にし、スロットごとのIDや固定エージェントの順序を学習せずにスケーラブルなエージェント識別を可能にする。 さらに,エージェント間の密集的な注目を避けるために,学習可能なハブトークンがエージェント間のトークンインタラクションを仲介するスパースハブ注意(Sparse Hub Attention)を提案する。 リアルタイムのロールアウトでは、フルコンテキスト拡散教師を因果的学生に蒸留し、KVキャッシングと逐次的に時間的ブロックを生成し、24FPSでアクション応答型生成を可能にする。 マルチプレイヤー仮想環境における実験により、我々のモデルは、追加の訓練を受けずに2人から4人のプレイヤーに一般化しつつ、スロットベースおよび高密度アテンションベースラインに対する映像の忠実度、アクション制御性、およびエージェント間の整合性を向上することが示された。

関連論文リスト

• GenAgent: Scaling Text-to-Image Generation via Agentic Multimodal Reasoning [54.42973725693]
  我々は,エージェント型マルチモーダルモデルを用いて,視覚的理解と生成を統一したGenAgentを導入する。 GenAgentはGenEval++とWISEのベースジェネレータ(FLUX.1-dev)のパフォーマンスを大幅に向上させる。 本フレームワークは,1) 様々な機能を持つジェネレータへのクロスツール一般化,2) インタラクションラウンド間で一貫した改善を伴うテスト時間スケーリング,3) タスクに自動的に適応するタスク適応推論の3つの重要な特性を示す。
  論文  参考訳（メタデータ） (2026-01-26T14:49:04Z)
• Diffusion Forcing for Multi-Agent Interaction Sequence Modeling [52.769202433667125]
  MAGNetはマルチエージェントモーション生成のための統合された自己回帰拡散フレームワークである。 フレキシブルな条件付けとサンプリングを通じて、幅広いインタラクションタスクをサポートする。 緊密に同期された活動と、ゆるやかに構造化された社会的相互作用の両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-12-19T18:59:02Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。