論文の概要: Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers
- arxiv url: http://arxiv.org/abs/2607.21594v1
- Date: Thu, 23 Jul 2026 17:59:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.530887
- Title: Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers
- Title（参考訳）: World State Registers を用いたマルチエージェント自己回帰拡散モデルの構築
- Abstract要約: We present WorldWeaver, a streaming multi-agent video diffusion model that a rollout with cross-agent world state registers。
これらのレジスタには、個々のエージェントの状態、鳥眼ビューを含むグローバルステートビュー、シーンテキストの監視信号が配置されている。
2エージェントのMinecraftビデオ生成の実験では、明示的な世界状態モデリングが論理的一貫性と生成品質を向上させることが示されている。
- 参考スコア（独自算出の注目度）: 50.3000377325823
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent interactive world models should not only generate consistent observations, but also maintain world states that persist across agents and evolve across views. Existing autoregressive video diffusion pipelines carry forward observation history as conditioning context, which makes shared state difficult to maintain in multi-agent and multi-view settings. We present WorldWeaver (W^2), a streaming multi-agent video diffusion model that augments rollout with cross-agent world state registers: learnable tokens that store shared world information, track individual agent status, and are dynamically updated after each generated chunk. We ground these registers with supervision signals spanning individual agent status, global state views including bird's-eye views, and scene text. We further improve the architecture with a Mixture-of-Transformers design that uses separate weights for world state modeling and visual frame modeling. Extensive experiments in two-agent Minecraft video generation show that explicit world-state modeling improves logical consistency and generation quality.
- Abstract（参考訳）: マルチエージェントのインタラクティブな世界モデルは、一貫した観察を生成するだけでなく、エージェント間で持続し、ビュー間で進化する世界状態も維持する必要がある。
既存の自己回帰型ビデオ拡散パイプラインは、コンディショニングコンテキストとして観察履歴を転送するので、共有状態の維持が困難になる。
We present WorldWeaver (W^2), a streaming multi-agent video diffusion model that a rollout with cross-agent world state registers: learnable tokens that storage shared world information, track individual agent status, and are dynamic updated after each generated chunk。
これらのレジスタには、個々のエージェントの状態、鳥眼ビューを含むグローバルステートビュー、シーンテキストの監視信号が配置されている。
我々は、世界状態モデリングとビジュアルフレームモデリングのために異なる重みを利用するMixture-of-Transformers設計により、アーキテクチャをさらに改善する。
2エージェントのMinecraftビデオ生成における大規模な実験は、明示的な世界状態モデリングによって論理的一貫性と生成品質が向上することを示している。
関連論文リスト
- Population-Scalable Multi-Agent World Modeling [27.087757709788974]
Khoraはスケーラブルなマルチエージェントの世界モデルであり、再トレーニングせずに任意の数のエージェントへの推論時間拡張をサポートする。
我々のフレームワークは、視覚的レンダリングから世界状態の進化を分離し、他のエージェント情報を組み込むための集団に依存しないレンダリング機構を導入する。
論文 参考訳（メタデータ） (2026-08-09T09:26:15Z) - Prisma-World: Camera-Controllable Multi-Agent Video World Model [67.72842238020192]
カメラ制御可能なマルチエージェントワールドモデルであるPrisma-Worldを紹介する。
マルチエージェント生成を、クロスビュー整合性のためのジョイントジオメトリア・アウェア・デノナイジングプロセスとして定式化する。
実験により, フレキシブルエージェント数を持つ高忠実度マルチエージェント映像を, 1つのPrisma-Worldモデルで生成できることが確認された。
論文 参考訳（メタデータ） (2026-06-08T13:59:50Z) - MetaWorld: Scaling Multi-Agent Video World Model from Single-view Video Data [125.43597497646444]
MetaWorldは、マルチエージェントビデオワールドモデルをシングルビュービデオから直接オープンドメイン環境にスケールする新しいフレームワークである。
クロスビューの一貫性とアイデンティティの整合性を向上し、マルチエージェントビデオワールドモデリングのための高度にスケーラブルで物理駆動のパラダイムを確立する。
論文 参考訳（メタデータ） (2026-06-01T18:20:20Z) - Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players [87.87842088508553]
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。
論文 参考訳（メタデータ） (2026-05-27T17:59:31Z) - MultiWorld: Scalable Multi-Agent Multi-View Video World Models [36.970254855945484]
マルチエージェント多視点世界モデリングのための統合フレームワークである textbfMultiWorld を提案する。
高精度なマルチエージェント制御を実現するためのマルチエージェント条件モジュールを提案する。
マルチプレイヤーゲーム環境とマルチロボット操作タスクの実験により、MultiWorldはビデオの忠実度、アクションフォロー能力、マルチビューの一貫性においてベースラインよりも優れていた。
論文 参考訳（メタデータ） (2026-04-20T17:52:15Z) - ActionParty: Multi-Subject Action Binding in Generative Video Games [117.52562594944679]
ActionPartyは、ゲーム生成のための制御可能な多目的世界モデルである。
46の多様な環境において最大7人のプレイヤーを同時に制御できる最初のビデオワールドモデルを実証する。
論文 参考訳（メタデータ） (2026-04-02T17:59:58Z) - ShareVerse: Multi-Agent Consistent Video Generation for Shared World Modeling [16.27470663877285]
本稿では,マルチエージェント共有ワールドモデリングを実現するビデオ生成フレームワークであるShareVerseについて述べる。
CARLAシミュレーションプラットフォーム上に,大規模インタラクティブな世界モデリングのためのデータセットを構築した。
本研究では,より広い環境をモデル化する独立エージェントの4視点映像の空間結合戦略を提案する。
我々は,エージェント間の空間的時間情報の対話的伝達を可能にする,事前訓練されたビデオモデルにエージェント間注意ブロックを組み込む。
論文 参考訳（メタデータ） (2026-03-03T07:41:12Z) - Revisiting Multi-Agent World Modeling from a Diffusion-Inspired Perspective [54.77404771454794]
拡散モデルを用いたマルチエージェント強化学習(MARL)のためのフレキシブルで堅牢な世界モデルを開発する。
本手法はDiffusion-Inspired Multi-Agent World Model (DIMA) を用いて,複数のマルチエージェント制御ベンチマークにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2025-05-27T09:11:38Z)
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。