論文の概要: OverSeer: Multi-Agent World Models Beyond What Agents See

• arxiv url: http://arxiv.org/abs/2610.28554v1
• Date: Tue, 20 Oct 2026 17:17:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.943409
• Title: OverSeer: Multi-Agent World Models Beyond What Agents See
• Title（参考訳）: OverSeer:エージェントが見ているものを超えた、マルチエージェントな世界モデル
• Abstract要約: 我々は、補助カメラビューでエゴセントリックなエージェントビューを増強するマルチエージェントワールドモデルであるOverSeerを紹介する。 これらの固定されたビューは、モデルの一貫性維持に大いに役立ちます。 MinecraftとDoomの実験では、改善された世界とエージェントの一貫性が示されている。
• 参考スコア（独自算出の注目度）: 60.713635312734425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the success of video world models, extending them to multiple agents is difficult because it requires generating several agent-specific video streams that are consistent in time and between agents. To address this gap, we introduce OverSeer, a multi-agent world model that augments egocentric agent views with auxiliary camera views. We suggest that, by fixing the auxiliary views in space, they act as a proxy for a world-centric representation: Unlike the agents' views, which can change entirely due to a simple change in agent position, changes in the auxiliary views directly map to localized changes in the world state. We show that these fixed views substantially help the model to maintain consistency. We also show that, due to their redundant and semi-static nature, the auxiliary views can be efficiently compressed with a delta-VAE that encodes only the changes relative to a static reference image, reducing the number of tokens required to process them. Experiments in Minecraft and Doom demonstrate improved world and agent consistency, with qualitative results on real-world multi-camera captures indicating that the approach is not tied to game engines. Our compression analysis further shows that delta-VAE substantially reduces the computational overhead of auxiliary-view generation. We conclude that these fixed views provide a simple and efficient way to improve multi-agent world models.
• Abstract（参考訳）: ビデオワールドモデルの成功にもかかわらず、エージェント間の一貫性のある複数のエージェント固有のビデオストリームを生成する必要があるため、それらを複数のエージェントに拡張することは困難である。 このギャップに対処するために、私たちは、補助カメラビューで自我中心のエージェントビューを拡張するマルチエージェントワールドモデルであるOverSeerを紹介します。 エージェントの視点は、エージェントの位置の単純な変化によって完全に変化しうるが、補助的な視点の変化は、世界状態の局所的な変化に直接マップされる。 これらの固定されたビューは、モデルの一貫性維持に大いに役立ちます。 また,その冗長性や半静的性から,静的参照画像に対する変化のみを符号化するデルタVAEを用いて,補助ビューを効率よく圧縮し,処理に必要なトークン数を削減できることを示す。 MinecraftとDoomの実験では、現実世界のマルチカメラキャプチャの質的な結果から、アプローチがゲームエンジンと結びついていないことを示している。 我々の圧縮解析により、デルタVAEは補助ビュー生成の計算オーバーヘッドを大幅に削減することが示された。 これらの固定ビューは、マルチエージェント世界モデルを改善するためのシンプルで効率的な方法を提供すると結論付けている。

関連論文リスト

• Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers [50.3000377325823]
  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。
  論文  参考訳（メタデータ） (2026-07-23T17:59:58Z)
• 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)
• 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。