MASS: 권위적 공유 상태를 갖춘 멀티플레이어 세계 모델

초록

현재의 비디오 세계 모델은 멀티플레이어 환경에서 세계 상태와 시점 의존적 시각 잠재 변수를 서로 얽히게 함으로써 중복 계산, 시점 불일치, 낮은 확장성을 초래한다. 우리는 이러한 한계를 해결하기 위해 MAS(권위적 공유 상태를 갖는 멀티플레이어 세계 모델, Multiplayer world models with Authoritative Shared State)를 제안한다. 멀티플레이어 게임 아키텍처에서 영감을 얻은 MAS는 세계 역학과 시점 렌더링을 분리한다. 학습된 논리 엔진(Logic Engine)은 수작업으로 작성된 전이 함수 없이 공동 행동으로부터 전역적이고 권위적인 유형화된 상태를 진행시키며, 유일한 순환 메모리이자 동기화 기준으로 작동한다. 이 공유 상태로부터 학습된 렌더링 엔진(Rendering Engine)은 요청된 임의의 카메라에 대해 독립적이고 일관된 시점을 온디맨드로 생성한다. 이러한 명시적 분리를 통해 MAS는 대응되는 멀티플레이어 Snake 벤치마크에서 최첨단 다중 시점 기준 모델 대비 우수한 상태 정확도와 낮은 시점 간 불일치를 달성한다. 또한 1,024명의 동시 플레이어가 참여하는 예측 세계를 10,000개의 순환 단계로 진행시킨다. 우리의 결과는 명시적이고 권위적인 상태 모델링이 확장 가능하고 일관된 다중 에이전트 세계 시뮬레이션을 위한 실용적인 기반을 제공함을 보여준다.

English

Current video world models struggle in multiplayer environments because they entangle world state with view-dependent visual latents, leading to redundant compute, view inconsistencies, and poor scalability. We propose MAS (Multiplayer world models with Authoritative Shared State) to resolve this limitation. Inspired by multiplayer game architectures, MAS disentangles world dynamics and view rendering. A learned Logic Engine advances a global, authoritative typed state from joint actions without any hand-written transition function, acting as the sole recurrent memory and synchronization reference. From this shared state, a learned Rendering Engine generates independent and consistent views for any requested camera on demand. This explicit disentangling allows MAS to achieve superior state accuracy and lower cross-view inconsistency compared to state-of-the-art multi-view baselines on a matched multiplayer Snake benchmark. It advances predicted worlds with 1,024 concurrent players for 10,000 recurrent steps. Our results show that explicit, authoritative state modeling provides a practical foundation for scalable and consistent multi-agent world simulation.