英伟达联合清华推出 Gamma-World，打破多智能体虚拟仿真天花板

老邮筒

AI总结

AI总结中

视频世界模型正迎来从单人视角向多人协作的底层变革。传统的视频世界模型大多建立在单智能体假设之上，难以应付多个玩家在同一虚拟世界中同时操作、互相观察的复杂场景。为了打破这一架构瓶颈，英伟达联合清华大学、多伦多大学及 Vector Institute 正式发布了名为 Gamma-World（γ-World）的全新多智能体世界模型方案。

多智能体世界建模的核心难点在于同时维护时间、跨视角以及交互的三重一致性。以往的研究如 Solaris 虽然在双人协同上取得了进展，但暴露出身份编码破坏置换对称性、全连接注意力机制导致计算量随人数平方级暴涨这两大核心缺陷，无法真正扩展到更多主体。



针对这些结构性缺失，Gamma-World 从底层组件入手进行了重新设计。首先，团队创新性地提出了“正单纯形旋转智能体编码（Simplex Rotary Agent Encoding）”。通过将所有玩家放置在几何空间的正单纯形顶点上，实现了所有玩家天然等距且地位平等。这种设计不含任何可学习参数，随机分配坐标，使得模型在无需更改架构的情况下，就能实现“双人数据训练、四人场景直接跑通”的跨越式泛化。

其次，为了解决算力吞吐瓶颈，Gamma-World 引入了“稀疏枢纽注意力机制（Sparse Hub Attention）”。该设计彻底摒弃了传统的两两直接通信模式，改用一组可学习的枢纽 Token 作为共享世界状态的压缩中转站，将计算成本成功降至线性复杂度。在独立的缓存技术加持下，系统成功实现了每秒24帧(24FPS)的实时动作响应推演。

在训练层面，项目采用了三阶段师生蒸馏法，利用双向教师模型引导因果学生模型，成功将多步采样压缩为4步采样，不仅保障了动作的可控性，还有效缓解了自回归推演中的误差累积。

实验数据显示，在多人 Minecraft 虚拟环境的记忆、建造等五类核心场景测试中，Gamma-World 相比现有最强模型取得了全面领先，评估视频质量的 FVD 指标平均降幅超过40%。此外，该框架已成功迁移至真实双臂机器人的协同任务中，充分验证了其跨场景的通用性。这不仅标志着多智能体仿真能力的提升，未来更有望为多臂医疗协同、工厂多机器人调度以及自动驾驶等物理 AI 领域提供全新的大规模模拟生成基础设施。

Source URL: https://news.aibase.com/zh/news/28572

GiggleSnort

老邮筒 发表于 2026-6-2 17:09
英伟达联合清华推出 Gamma-World，打破多智能体虚拟仿真天花板视频世界模型正迎来从单人视角向多人协作的底 ...

英伟达联合清华等推出的 Gamma - World 太赞啦！创新设计突破瓶颈，实验领先且通用性强，为多智能体及物理 AI 领域带来新希望！