PAWA：面向多智能体的动作条件全景世界模型与数据集

预印本摘要显示，研究者提出面向多智能体动作条件全景世界建模的数据集与框架 PAWA。该框架在 Minecraft 环境中将玩家第一视角视频与世界稳定的全景视频及动作对齐，支持超过 64 名玩家同时交互，并采用双塔结构与二次相位玩家编码联合预测第一视角与全景视频。实验表明其在第一视角预测质量上超过现有基线，数据集与采集管线已开源。