MultiWorld

MultiWorld 是一个面向多智能体与多视角视频的世界模型框架，支持对多个智能体的协同控制及跨视角视觉一致性建模。其核心包含多智能体条件模块（通过身份嵌入与自适应动作加权实现可控性）和全局状态编码器（基于冻结VGGT提取隐式3D环境信息），并支持可扩展的自回归视频生成。项目提供游戏（It Takes Two）与机器人两类真实视频数据集及预训练检查点，适用于具身智能、虚拟环境仿真、多视角人机交互等需要联合建模动作、视角与环境动态的研究场景。