arXiv · 06.07.2026 ·Исследования и наука

Мультиплеерные модели мира: новый подход к симуляции динамических сред

Исследователи представили первую модель мира, способную моделировать высокодинамичные среды с участием нескольких независимых агентов. В отличие от традиционных систем, рассматривающих других участников как часть фона, новая архитектура учитывает потоки действий каждого игрока отдельно. Это позволяет модели точно атрибутировать изменения в сцене конкретным агентам и сохранять физическую согласованность при любых комбинациях их действий.

Ключевой особенностью разработки стало использование автокодировщиков представлений (Representation Autoencoders), которые обучаются разделять влияние действий разных агентов на состояние среды. Модель эффективно справляется с задачами, где физические взаимодействия между объектами зависят от решений нескольких сторон, что ранее было труднодостижимо для стандартных симуляторов, ориентированных на одного игрока.

Такой подход открывает новые возможности для обучения агентов в сложных многопользовательских сценариях, от управления автономным транспортом в плотном потоке до разработки продвинутых игровых ИИ. Способность модели предсказывать последствия коллективных действий в реальном времени значительно повышает качество симуляций, делая их более устойчивыми к непредсказуемому поведению других участников.

Ключевые факты

Разработана первая модель мира, учитывающая действия нескольких агентов одновременно в динамических средах.
Использованы автокодировщики представлений для разделения влияния действий разных игроков на состояние окружения.
Модель сохраняет физическую согласованность сцены при произвольных комбинациях действий участников.
Решение ориентировано на среды с высокой динамикой и сложными физическими взаимодействиями.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Инфраструктура для агентов Qwen-AgentWorld: языковые модели как симуляторы среды для ИИ-агентов Исследователи представили Qwen-AgentWorld — новый подход к созданию ИИ-агентов, использующий языковые модели в качестве «мировых моделей» для предсказания динамики среды. Разработка позволяет агентам эффективнее планировать действия и рассуждать, моделируя последствия своих решений в виртуальном пространстве. Ключевым элементом системы стала специализированная модель Qwen-AgentWorld-35B-A3B, оптимизированная для симуляции агентных сред. Hacker News · Оркестрация агентов Концепция самообучающегося агента на базе моделей мира для написания кода Исследователи представили концепцию агента, способного к самосовершенствованию через построение «модели мира» для генерации и отладки кода. Система использует итеративный цикл, в котором агент не просто пишет программы, но и предсказывает результаты их выполнения, корректируя свои внутренние алгоритмы на основе полученной обратной связи, что позволяет повысить точность решения сложных инженерных задач без участия человека. Hacker News · Оркестрация агентов Разработка движка для симуляции автономных ИИ-агентов Разработчик представил архитектуру движка для создания симуляционных игр, где поведение персонажей управляется автономными ИИ-агентами. Система фокусируется на создании масштабируемой среды, в которой агенты взаимодействуют друг с другом и с окружающим миром, используя LLM для принятия решений, планирования действий и формирования долгосрочной памяти в рамках игрового процесса. arXiv · Модели и релизы Представлена DreamForge-World 0.1: легковесная модель мира для интерактивных симуляций Исследователи представили DreamForge-World 0.1 Preview — фундаментальную модель мира, предназначенную для интерактивной симуляции в реальном времени. В отличие от крупномасштабных аналогов, система оптимизирована для работы на устройствах с ограниченными вычислительными ресурсами. Архитектура базируется на стеке LongLive 1 и модели Wan2.1-T2V-1.3B, дополненных механизмом обработки действий, заимствованным из игровых симуляторов. arXiv · Машинное обучение Новый метод обучения мультиагентных систем для принятия решений Исследователи представили метод Multi-Agent Fictitious Play, направленный на улучшение навыков принятия решений в мультиагентных системах на базе больших языковых моделей. Традиционный подход «разделяй и властвуй», при котором сложные задачи разбиваются на независимые подзадачи, оказался недостаточно эффективным для сценариев, требующих учета интересов всех сторон одновременно. Новый алгоритм позволяет агентам моделировать поведение оппонентов и партнеров, имитируя процесс стратегического взаимодействия. Hacker News · Модели и релизы Как мировые модели дают ИИ-агентам «первое лицо» В новом видео исследователи обсуждают концепцию мировых моделей (World Models) и их роль в формировании «первого лица» у ИИ-агентов. Мировые модели — это подход, при котором ИИ создает внутреннюю репрезентацию окружающего мира, что позволяет ему действовать более автономно и адаптивно. Hacker News · Инфраструктура для агентов World Model Harness: ускорение тестирования ИИ-агентов в 5 раз Проект World Model Harness предлагает новый подход к тестированию ИИ-агентов, заменяя традиционные медленные среды исполнения на легковесные «мировые модели». Инструмент позволяет проводить симуляции в 5 раз быстрее, чем при использовании стандартных песочниц, что значительно сокращает время итерации при разработке и отладке агентных систем, требующих взаимодействия с внешним миром. Hacker News · Инфраструктура для агентов DreamX-World 1.0: интерактивная модель мира для агентов Исследователи представили DreamX-World 1.0 — модель мира, предназначенную для использования в системах ИИ-агентов. Она позволяет создавать интерактивные среды, где агенты могут взаимодействовать с объектами и выполнять задачи в виртуальном пространстве. arXiv · Оркестрация агентов WorldEvolver: самообучающиеся модели мира для планирования ИИ-агентов Исследователи представили WorldEvolver — фреймворк для ИИ-агентов, позволяющий им предсказывать последствия действий до их выполнения. В отличие от стандартных моделей мира, система динамически корректирует контекст в процессе работы, не требуя переобучения основного агента. Это повышает точность долгосрочного планирования и снижает риск принятия ошибочных решений из-за неверных прогнозов модели. arXiv · Исследования и наука WorldBagel: исследование потенциала унифицированных мультимодальных моделей Исследователи представили WorldBagel — архитектуру, объединяющую возможности зрения, языка и управления действиями в рамках единой модели мира. Работа изучает, как современные мультимодальные модели, обладающие мощными генеративными способностями, могут эффективно моделировать динамику окружающей среды для задач восприятия, логического вывода и планирования, выходя за рамки стандартных Vision-Language-Action (VLA) систем.

← Все материалы