Lar
A NVIDIA e a Universidade de Tsinghua apresentam o Gamma-World, superando os limites da simulação multiagente
Os modelos de mundos virtuais estão mudando de uma perspectiva de agente único para a colaboração entre múltiplos agentes. Os modelos tradicionais geralmente pressupõem um único agente, o que limita sua capacidade de lidar com cenários complexos nos quais vários participantes agem e se observam mutuamente no mesmo mundo virtual. Para superar esse gargalo arquitetônico, a NVIDIA, em colaboração com a Universidade de Tsinghua, a Universidade de Toronto e o Vector Institute, lançou o Gamma-World (γ-World), uma nova solução de modelo de mundo multiagente.
O principal desafio na modelagem de mundos com múltiplos agentes é preservar três tipos de consistência: temporal, entre perspectivas e interativa. Esforços anteriores, como o Solaris, promoveram a colaboração entre dois agentes, mas revelaram duas falhas críticas: a codificação de identidade que perturba a simetria de permutação e um mecanismo de atenção totalmente conectado que gera um crescimento computacional quadrático com o número de agentes, impedindo o dimensionamento eficaz para um número maior de participantes.

O Gamma-World resolve essas questões estruturais por meio de um redesenho completo. A equipe introduziu a Codificação de Agentes Rotativos Simplex (Simplex Rotary Agent Encoding), que posiciona todos os participantes nos vértices de um simplex geométrico, garantindo equidistância natural e status igualitário entre eles. Esse projeto não possui parâmetros aprendíveis e utiliza atribuição aleatória de coordenadas, permitindo que o modelo seja treinado com dados de dois agentes e execute diretamente cenários de quatro agentes sem quaisquer alterações arquitetônicas — um salto significativo na generalização.
Para lidar com o gargalo de rendimento computacional, o Gamma-World emprega um Mecanismo de Atenção de Hub Esparso. Essa abordagem substitui a comunicação direta tradicional entre pares por um conjunto de tokens de hub aprendíveis que atuam como retransmissores compactados para estados compartilhados do mundo, reduzindo o custo computacional à complexidade linear. Combinado com o armazenamento em cache independente, o sistema alcança simulação de ação em tempo real a 24 quadros por segundo (24 FPS).
Para o treinamento, a equipe utilizou uma abordagem de destilação professor-aluno em três estágios, na qual um modelo professor bidirecional orienta um modelo aluno causal, comprimindo a amostragem de múltiplas etapas em apenas quatro etapas. Isso mantém a controlabilidade das ações ao mesmo tempo em que reduz significativamente o acúmulo de erros durante a inferência autorregressiva.
Resultados experimentais demonstram que, em cinco cenários principais em um ambiente virtual multijogador do Minecraft — incluindo memória e construção —, o Gamma-World supera os modelos de ponta existentes, alcançando uma redução média de mais de 40% na métrica FVD para qualidade de vídeo. A estrutura também foi adaptada com sucesso a tarefas reais de colaboração entre robôs de dois braços, confirmando sua aplicabilidade em diversos cenários. Esse avanço não apenas aprimora a simulação multiagente, mas também tem o potencial de servir como uma infraestrutura de geração de simulações em grande escala para domínios físicos de IA, como colaboração médica com múltiplos braços, programação de múltiplos robôs em fábricas e direção autônoma.
Artigo relacionado
Ações dos EUA Atingem Marco Histórico Enquanto Gigantes de IA e Aeroespacial se Preparam para Estreia de Trilião de Dólares
Elon Musk, Sam Altman e Dario Amodei, três titãs do setor de tecnologia, estão avançando rumo a ofertas públicas iniciais (IPOs) para suas respectivas empresas. Com a SpaceX, a OpenAI e a Anthropic — três gigantes da indústria que se aproximam de ava
Startup sueca de IA Lovable Eyes tem avaliação de US$ 13,2 bilhões após rodada principal de investimentos
À medida que as ferramentas de codificação impulsionadas por IA ganham tração, a startup sueca Lovable garantiu uma grande rodada de financiamento. A empresa visa captar US$ 3 bilhões, o que poderia elevar sua avaliação para US$ 13,2 bilhões — o dobr
O Google testa o Agente Remy AI para o Gemini, à medida que o foco se desloca para o controle do usuário
De acordo com o Business Insider, o Google está testando o Remy, um novo agente pessoal de IA para o Gemini. Esta ferramenta tem como objetivo executar tarefas em nome dos usuários, simplificando tanto os fluxos de trabalho profissionais quanto as ro
Recomendações de tópicos especiais relacionados
Comentários (0)
Os modelos de mundos virtuais estão mudando de uma perspectiva de agente único para a colaboração entre múltiplos agentes. Os modelos tradicionais geralmente pressupõem um único agente, o que limita sua capacidade de lidar com cenários complexos nos quais vários participantes agem e se observam mutuamente no mesmo mundo virtual. Para superar esse gargalo arquitetônico, a NVIDIA, em colaboração com a Universidade de Tsinghua, a Universidade de Toronto e o Vector Institute, lançou o Gamma-World (γ-World), uma nova solução de modelo de mundo multiagente.
O principal desafio na modelagem de mundos com múltiplos agentes é preservar três tipos de consistência: temporal, entre perspectivas e interativa. Esforços anteriores, como o Solaris, promoveram a colaboração entre dois agentes, mas revelaram duas falhas críticas: a codificação de identidade que perturba a simetria de permutação e um mecanismo de atenção totalmente conectado que gera um crescimento computacional quadrático com o número de agentes, impedindo o dimensionamento eficaz para um número maior de participantes.

O Gamma-World resolve essas questões estruturais por meio de um redesenho completo. A equipe introduziu a Codificação de Agentes Rotativos Simplex (Simplex Rotary Agent Encoding), que posiciona todos os participantes nos vértices de um simplex geométrico, garantindo equidistância natural e status igualitário entre eles. Esse projeto não possui parâmetros aprendíveis e utiliza atribuição aleatória de coordenadas, permitindo que o modelo seja treinado com dados de dois agentes e execute diretamente cenários de quatro agentes sem quaisquer alterações arquitetônicas — um salto significativo na generalização.
Para lidar com o gargalo de rendimento computacional, o Gamma-World emprega um Mecanismo de Atenção de Hub Esparso. Essa abordagem substitui a comunicação direta tradicional entre pares por um conjunto de tokens de hub aprendíveis que atuam como retransmissores compactados para estados compartilhados do mundo, reduzindo o custo computacional à complexidade linear. Combinado com o armazenamento em cache independente, o sistema alcança simulação de ação em tempo real a 24 quadros por segundo (24 FPS).
Para o treinamento, a equipe utilizou uma abordagem de destilação professor-aluno em três estágios, na qual um modelo professor bidirecional orienta um modelo aluno causal, comprimindo a amostragem de múltiplas etapas em apenas quatro etapas. Isso mantém a controlabilidade das ações ao mesmo tempo em que reduz significativamente o acúmulo de erros durante a inferência autorregressiva.
Resultados experimentais demonstram que, em cinco cenários principais em um ambiente virtual multijogador do Minecraft — incluindo memória e construção —, o Gamma-World supera os modelos de ponta existentes, alcançando uma redução média de mais de 40% na métrica FVD para qualidade de vídeo. A estrutura também foi adaptada com sucesso a tarefas reais de colaboração entre robôs de dois braços, confirmando sua aplicabilidade em diversos cenários. Esse avanço não apenas aprimora a simulação multiagente, mas também tem o potencial de servir como uma infraestrutura de geração de simulações em grande escala para domínios físicos de IA, como colaboração médica com múltiplos braços, programação de múltiplos robôs em fábricas e direção autônoma.
Ações dos EUA Atingem Marco Histórico Enquanto Gigantes de IA e Aeroespacial se Preparam para Estreia de Trilião de Dólares
Elon Musk, Sam Altman e Dario Amodei, três titãs do setor de tecnologia, estão avançando rumo a ofertas públicas iniciais (IPOs) para suas respectivas empresas. Com a SpaceX, a OpenAI e a Anthropic — três gigantes da indústria que se aproximam de ava
Startup sueca de IA Lovable Eyes tem avaliação de US$ 13,2 bilhões após rodada principal de investimentos
À medida que as ferramentas de codificação impulsionadas por IA ganham tração, a startup sueca Lovable garantiu uma grande rodada de financiamento. A empresa visa captar US$ 3 bilhões, o que poderia elevar sua avaliação para US$ 13,2 bilhões — o dobr











