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
ビデオワールドモデルの成功にもかかわらず、複数のエージェントへの拡張は複数のエージェント特有のビデオストリームを生成する必要があるため、複数のエージェント特有のビデオストリームを複数のエージェント特有のエージェントに拡張することは困難です。このギャップを解決するために、我々は、エージェントの位置の単純な変更によって完全に変化することができるエージェントの視点とは異なり、エージェントの視点の変更は、エージェントの視点を直接地図に変更することを提案します。
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