論文の概要: FlockWorld: Toward Population-Scale Multi-Agent Video World Models through Artificial Life Simulation
- arxiv url: http://arxiv.org/abs/2610.34564v1
- Date: Sun, 25 Oct 2026 21:07:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.636307
- Title: FlockWorld: Toward Population-Scale Multi-Agent Video World Models through Artificial Life Simulation
- Title（参考訳）: FlockWorld: 人工生命シミュレーションによる人口別マルチエージェントビデオワールドモデルを目指して
- Abstract要約: FlockWorldは、ReynoldsのBoidsアルゴリズムに基づいて構築された、人口規模のマルチエージェントビデオワールドモデルを研究する人工生活環境である。
また、FlockWorldデータ上でフローマッチングを訓練した動作条件付き潜時拡散変換器であるFlockDiTを導入し、複数のエージェントに対して同期型エゴセントリックビデオを生成する。
- 参考スコア（独自算出の注目度）: 1.1765015608581086
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most action-conditioned video world models remain limited to a single player, while existing multiplayer models support only small, fixed groups of agents. We introduce FlockWorld, an artificial-life environment built on Reynolds's Boids algorithm for studying population-scale multi-agent video world models. Specifically, FlockWorld renders synchronized egocentric crops, assigns distinct colors to preserve camera-agent identity across views, exposes rule-derived accelerations as actions, and lets the number of camera agents be configured independently of the size of the surrounding population. We further introduce FlockDiT, an action-conditioned latent diffusion transformer trained with flow matching on FlockWorld data to jointly generate synchronized egocentric videos for multiple agents. Our results suggest that joint generation benefits agent detection at density-matched settings and that diffusion forcing improves rollout fidelity. Together, FlockWorld and FlockDiT provide a controlled testbed for multi-agent video generation.
- Abstract（参考訳）: ほとんどのアクション条件付きビデオワールドモデルはシングルプレイヤーに限られているが、既存のマルチプレイヤーモデルではエージェントの小さなグループしかサポートしていない。
FlockWorldは、ReynoldsのBoidsアルゴリズムに基づいて構築された、人口規模のマルチエージェントビデオワールドモデルを研究する人工生活環境である。
具体的には、FlockWorldは同期された自我中心の作物をレンダリングし、ビュー全体でカメラエージェントのアイデンティティを保持するために異なる色を割り当て、ルールから派生したアクセラレーションをアクションとして公開し、周囲の人口の大きさとは独立してカメラエージェントの数を設定できる。
さらに、FlockWorldデータ上でフローマッチングを訓練した動作条件付き潜時拡散変換器であるFlockDiTを導入し、複数のエージェントに対して同期型エゴセントリックビデオを生成する。
以上の結果から, 結合生成は密度整合条件下でのエージェント検出に有効であり, 拡散強制によりロールアウトの忠実度が向上することが示唆された。
FlockWorldとFlockDiTは、マルチエージェントビデオ生成のためのコントロールされたテストベッドを提供する。
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) - 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) - 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) - GEM: A Generalizable Ego-Vision Multimodal World Model for Fine-Grained Ego-Motion, Object Dynamics, and Scene Composition Control [122.65089441381741]
一般化可能なエゴビジョン・マルチモーダル世界モデルであるGEMについて述べる。
参照フレーム、スパース機能、人間のポーズ、エゴ軌道を使って将来のフレームを予測する。
私たちのデータセットは、自律運転、エゴセントリックな人間活動、ドローン飛行など、複数の領域にまたがる4000時間以上のマルチモーダルデータで構成されています。
論文 参考訳（メタデータ） (2024-12-15T14:21:19Z)
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。