論文の概要: Multics: Generative Multi-Player World Model with Hierarchical Communication

• arxiv url: http://arxiv.org/abs/2610.17201v1
• Date: Mon, 12 Oct 2026 17:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 02:49:08.973655
• Title: Multics: Generative Multi-Player World Model with Hierarchical Communication
• Title（参考訳）: Multics:階層型通信を用いた世代多人数世界モデル
• Abstract要約: Multicsは階層型通信を備えたマルチプレイヤービデオ生成フレームワークである。 グループトークンパラメータはグループスロット間で共有され、同じ通信モジュールが様々な数のプレイヤーに対応できる。 実験により、Multicsは4-および6-player設定で最先端のパフォーマンスを達成することが示された。
• 参考スコア（独自算出の注目度）: 77.69554860757215
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-player interactive world models aim to simulate shared environments from multiple players' perspectives, but achieving robust generation while scaling to more players remains challenging. Existing approaches that rely on fully-connected communication (e.g., Solaris) incur quadratic attention costs as the number of players grows, while centralized approaches (e.g., $γ$-World) suffer from interference between unrelated events in a shared global representation. To address these challenges, we present Multics, a multi-player video generation framework with hierarchical communication that structures information exchange across player, group, and global levels. This hierarchy introduces group tokens into self-attention as intermediate group-level representations that aggregate locally relevant player information. These tokens connect to global tokens for cross-group communication, while the hierarchical topology limits direct mixing between unrelated local events. Group-token parameters are shared across group slots, allowing the same communication module to accommodate varying numbers of players without introducing new group-specific parameters. We further propose budget-constrained dynamic grouping based on recent camera trajectories, which adaptively groups relevant players while limiting unnecessary communication. Experiments demonstrate that Multics achieves state-of-the-art performance in 4- and 6-player settings, with improved cross-player consistency, player-specific action and camera controllability, and interference robustness. Moreover, Multics generalizes from 4-player training to 6-, 8-, and 10-player inference without retraining, while reducing self-attention computation compared with fully-connected communication.
• Abstract（参考訳）: マルチプレイヤーインタラクティブな世界モデルは、複数のプレイヤーの視点から共有環境をシミュレートすることを目的としているが、より多くのプレイヤーにスケーリングしながら堅牢な生成を実現することは依然として困難である。 プレイヤー数の増加に伴い、完全接続通信(Solarisなど)に依存した既存のアプローチでは2次注意コストが増大する一方、集中型アプローチ(例えば、$γ$-World)は、共有グローバル表現における無関係なイベント間の干渉に悩まされる。 これらの課題に対処するために、プレイヤー、グループ、グローバルレベルにわたる情報交換を構造化する階層型通信を備えたマルチプレイヤービデオ生成フレームワークであるMulticsを提案する。 この階層は、局所的に関連するプレイヤー情報を集約する中間グループレベルの表現として、グループトークンを自己アテンションに導入する。 これらのトークンはグループ間通信のためのグローバルトークンと結びついており、階層的トポロジーは非関係な局所事象間の直接混合を制限する。 グループトークンパラメータはグループスロット間で共有されるため、新しいグループ固有のパラメータを導入することなく、同じ通信モジュールが様々な数のプレイヤーに対応できる。 さらに、近年のカメラトラジェクトリに基づく予算制約付き動的グループ化を提案し、不必要な通信を制限しつつ、関連するプレイヤーを適応的にグループ化する。 実験により、Multicsは、4-と6-プレイヤ設定で最先端のパフォーマンスを実現し、クロスプレイヤーの一貫性を改善し、プレイヤー固有のアクションとカメラの制御性を改善し、ロバスト性を妨害することを示した。 さらに,4-player のトレーニングから6-,8-,10-player の推論まで,完全接続通信と比較して自己注意計算を減らしながら,再トレーニングをせずに一般化する。

関連論文リスト

• Multi-Agent Egocentric World Model with Fine-Grained Embodied Interaction [34.013628064852625]
  エゴセントリック世界モデルは、エージェントの行動に条件づけられた一人称の観察を予測しますが、ほとんどの場合、1つのエージェントに焦点を当てます。 本稿では,複数のエゴストリームを共有トークンシーケンスで共同生成するマルチエージェント・エゴセントリック世界モデル(ME-World)を提案する。 実および合成マルチエージェントデータに基づいてトレーニングと評価を行い、環境、更新、アイデンティティ整合性のための共有ワールド整合性メトリクスを導入します。
  論文  参考訳（メタデータ） (2026-10-08T16:50:04Z)
• Multiplayer Interactive World Models with Representation Autoencoders [28.451678067070777]
  複雑な物理的相互作用によって制御される高度に動的な環境に対する最初のマルチプレイヤー世界モデルを導入する。 我々は,この問題をRocket Leagueのゲームで研究し,高速で密結合したダイナミックスの下でプレイヤーが競争し,協力する。
  論文  参考訳（メタデータ） (2026-07-06T17:31:52Z)
• 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)
• GoAgent: Group-of-Agents Communication Topology Generation for LLM-based Multi-Agent Systems [55.12339141172908]
  GoAgentは、協調グループをMAS構築の原子単位として明示的に扱う通信トポロジ生成手法である。 6つのベンチマークの実験では、GoAgentの最先端のパフォーマンスを93.84%の平均精度で証明し、トークン消費を約17%削減した。
  論文  参考訳（メタデータ） (2026-03-20T06:21:32Z)
• MultiGen: Level-Design for Editable Multiplayer Worlds in Diffusion Game Engines [55.641812280108574]
  ユーザアクションによって継続的に更新され,世代別ロールアウトを通じてクエリされるシステムに,明示的な外部メモリを導入する。 この設計により、ユーザーは編集可能なメモリ表現を通じて環境構造を直接、編集可能な制御を行うことができる。 コヒーレントな視点と一貫したクロスプレイヤーインタラクションを備えた、リアルタイムマルチプレイヤーロールアウトに自然に拡張する。
  論文  参考訳（メタデータ） (2026-03-03T18:58:17Z)
• 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)
• Generalizable Agent Modeling for Agent Collaboration-Competition Adaptation with Multi-Retrieval and Dynamic Generation [19.74776726500979]
  ひとつのエージェントを新しいマルチエージェントシステムに適用することは、課題をもたらし、さまざまなタスク、環境、未知のチームメイトや相手とのインタラクションを調整する必要がある。 本稿では,多種多様なシナリオにまたがってエージェントを一般化するためのエージェント評価を行う,より包括的なエージェント協調適応手法を提案する。 ACCAでは、エージェントはタスクや環境の変化を調整し、目に見えないチームメイトと協力し、未知の相手と競う。
  論文  参考訳（メタデータ） (2025-06-20T03:28:18Z)
• Rethinking Trajectory Prediction via "Team Game" [118.59480535826094]
  本稿では,対話型グループコンセンサスの概念を明示的に導入した,マルチエージェント軌道予測の新しい定式化について述べる。 チームスポーツと歩行者の2つのマルチエージェント設定において,提案手法は既存手法と比較して常に優れた性能を達成している。
  論文  参考訳（メタデータ） (2022-10-17T07:16:44Z)

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。