ME-World：面向多智能体细粒度具身交互的自我中心世界模型

研究提出多智能体自我中心世界模型 ME-World，把共享环境中多个智能体的细粒度交互建模为多个自我视角流的同步去噪生成。模型在共享 token 序列中联合去噪多路自我视角流，条件于全部智能体的目标视角位姿，并以共享环境记忆锚定生成。论文在真实与合成多智能体数据上训练和评估，并新增共享世界一致性指标，实验显示 ME-World 在共享世界一致性、动作控制、身份保持和视频质量上优于已有方法。