Ricerca
Simulazione generativa del mondo con DAO e JING
Presentiamo un framework di simulazione generativa del mondo che combina uno stato del mondo condiviso e persistente con la generazione audiovisiva continua in prima persona. Il framework integra DAO,

- arXiv
- 2610.19726
- Pubblicato
- 2026-10-14
- Autori
- XGEN Team, Guohao Cai, Haoxuan Che, Frank Fan, Chenran Huang, Junjia Huang, Jiayi Jiang, Yanheng Li, Leon Liu, Shaoteng Liu, Xi Liu, Feng Nie, Zhefan Rao, An Wang, Hanwen Wang, Pengxiang Yan, Jieming Yu, Qian Zha, Wentao Zheng
Abstract degli autori
Presentiamo un framework di simulazione generativa del mondo che combina uno stato del mondo condiviso e persistente con la generazione audiovisiva continua in prima persona. Il framework integra DAO, un motore computazionale del mondo, e JING, un modello di esperienza interattiva egocentrica, per consentire a esseri umani e agenti di interagire nel tempo. DAO mantiene gli stati di personaggi, oggetti e spazi e le relazioni tra loro, facendo evolvere il mondo secondo le regole di interazione e il tempo del mondo, senza perdere le conseguenze delle azioni passate. A partire da questo stato in evoluzione, DAO ricava condizioni specifiche per ciascun osservatore destinate a JING, che le combina con riferimenti a personaggi, oggetti e scene, la cronologia delle osservazioni e le azioni in corso per generare l’esperienza audiovisiva di ciascun osservatore. Gli utenti possono esplorare ambienti, manipolare oggetti e comunicare con i personaggi controllando il punto di vista e impartendo istruzioni testuali; le loro azioni influenzano sia lo stato condiviso sia le esperienze successive. Collegando l’evoluzione dello stato del mondo alla generazione delle esperienze in un ciclo di interazione continuo, il framework offre un approccio alla costruzione di mondi interattivi che conservano la propria storia, evolvono attraverso le azioni e persistono al di là di ogni singolo osservatore.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv