OverSeer 用固定辅助摄像头解决多智能体世界模型一致性难题
sguada · x · 2026-10-27
- 论文 OverSeer: Multi-Agent World Models Beyond What Agents See(Runjia Li、Andrea Vedaldi、Shikun Liu 等)提出把视频世界模型扩展到多智能体的新方法。
- 核心思路：仅靠智能体第一人称视角，视野外世界状态会被遗忘；OverSeer 在场景中加入若干空间固定的辅助摄像头，作为「以世界为中心」的表征代理——固定视角的变化直接对应世界状态的局部变化，从而显著提升时间与跨智能体的一致性。
- 工程细节：辅助视角半静态且冗余，作者用 delta-VAE 只编码相对静态参考图的变化，大幅压缩辅助视角的 token 数，降低计算开销。
- 在 Minecraft 和 Doom 中实验显示世界与智能体一致性均改善，真实多摄像头拍摄的定性结果表明方法不限于游戏引擎。
「研究」频道最新
- EBRAINS 新研究：平均场模型让全脑模拟更贴近生物真实 — AnnaCiaunica · 2026-10-27
- GenXR-Bench 论文：10 模型横评 XR 开发，最强仅 50.9% Pass@1 — rohanpaul_ai · 2026-10-27
- GenXR-Bench：AI 编码工具做 XR 应用，最强模型仅 50.9% 通过率 — rohanpaul_ai · 2026-10-27
- EmbodiedLab 发布：评测机器人「动手做实验」求知的具身基准 — HexaFuture · 2026-10-27
- 浙大 RoboHarness：LLM 智能体加简单控制面板即超越 VLA 模型 — zju · 2026-10-27
- Google 提出 Thinking-in-Bets：先记录论断再听反馈，大幅减少谄媚改稿 — google · 2026-10-27