ME-World：支持细粒度具身交互的多智能体第一人称世界模型

ME-World 将多智能体第一人称世界建模表述为共享环境中多条同步 ego-stream 的生成任务，面向细粒度动作交互。该方法在共享 token 序列中联合去噪多路 ego streams，并以所有智能体的目标视角姿态和共享环境记忆约束生成。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现有方法。