资讯摘要
论文提出多智能体世界模型 OverSeer，在智能体第一人称视角之外加入空间固定的辅助相机视角，作为世界中心表示的代理以提升时间与智能体间一致性。作者用 delta-VAE 仅编码相对静态参考图的变化来压缩冗余辅助视角，减少 token 数量。Minecraft 与 Doom 实验显示世界与智能体一致性改善，真实多相机数据上有定性结果，压缩分析显示计算开销降低。
要点速读
- 论文提出 OverSeer，用空间固定的辅助相机视角补充各智能体的第一人称视角，作者称这些视角有助于模型保持一致性。
- 作者提出 delta-VAE，仅编码相对静态参考图像的变化，以压缩冗余的半静态辅助视角并减少 token 数。
- Minecraft 与 Doom 实验显示世界和智能体一致性提升，真实多相机采集上有定性结果，压缩分析称辅助视角生成的计算开销明显降低。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/22 08:00:25（北京时间）。