Runjia Li, Kam Woh Ng, Minghao Chen, Junlin Han, Jianyuan Wang, Zhaochong An, Juan-Manuel Perez-Rua, Andrea Vedaldi · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28554 · open-access PDF
वीडियो वर्ल्ड मॉडल की सफलता के बावजूद, उन्हें कई एजेंटों तक बढ़ाना मुश्किल है क्योंकि इसमें कई एजेंट विशिष्ट वीडियो स्ट्रीम उत्पन्न करने की आवश्यकता होती है जो समय और एजेंटों के बीच संगत होते हैं. इस अंतर को हल करने के लिए, हम ओवरसेयर, एक बहु एजेंट वर्ल्ड मॉडल का परिचय देते हैं जो सहायक कैमरा दृष्टिकोणों के साथ अहंकारी एजेंट दृष्टिकोणों को बढ़ाता है. हम सुझाव देते हैं कि, अंतरिक्ष में सहायक दृष्टिकोणों को ठीक करके, वे एक विश्व केंद्रित प्रतिनिधित्व के लिए एक प्रॉक्सी के रूप में कार्य करते हैं: एजेंटों के दृष्टिकोणों के विपरीत, जो एजेंट की स्थिति में एक साधारण परिवर्तन के कारण पूरी तरह से बदल सकते हैं, सहायक दृष्टिकोणों में
Machine translation (Meta M2M100); the English original follows.
Despite the success of video world models, extending them to multiple agents is difficult because it requires generating several agent-specific video streams that are consistent in time and between agents. To address this gap, we introduce OverSeer, a multi-agent world model that augments egocentric agent views with auxiliary camera views. We suggest that, by fixing the auxiliary views in space, they act as a proxy for a world-centric representation: Unlike the agents' views, which can change entirely due to a simple change in agent position, changes in the auxiliary views directly map to loca
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28554, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange