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
Apesar do sucesso dos modelos do mundo do vídeo, estendê-los para múltiplos agentes é difícil porque requer a geração de vários fluxos de vídeo específicos de agentes que são consistentes no tempo e entre agentes. Para resolver essa lacuna, apresentamos o OverSeer, um modelo de mundo multi-agente que aumenta as vistas egocêntricas de agentes com vistas auxiliares de câmera. Sugerimos que, ao fixar as vistas auxiliares no espaço, elas atuem como um proxy para uma representação centrada no mundo: Ao contrário das vistas dos agentes, que podem mudar inteiramente devido a uma simples mudança na posição do agente, as mudanças nas vistas auxiliares são diretamente mapeadas para locação.
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