多模态基础模型
突破级
暂无讲解视频
收录解读
MultiWorld 把 video world model 从单 agent/单视角扩展到 multi-agent multi-view 场景，目标是同时控制多个 agent 并保持多视角一致性。
这对 embodied AI 和仿真生成很重要。真实世界往往是多主体、多摄像头、多交互的，单视角预测模型很难服务规划、评估和仿真。
它值得正式收录，因为它提供了 world modeling 的结构化扩展：多主体条件模块、多视角一致性和交互建模。
它没有更高，是因为视频世界模型到可用于真实机器人策略学习的动态准确性仍需更强验证。