Agora-1: Open-Source-Multi-Agent-Weltmodell für Echtzeit-Shared-Simulation

Odyssey hat Agora-1 veröffentlicht, das erste Multi-Agenten-Weltmodell, das mehreren Teilnehmern – ob menschlich oder KI – ermöglicht, eine gemeinsam generierte Weltsimulation in Echtzeit zu teilen und zu interagieren. Das Modell unterstützt bis zu vier Spieler in einer gemeinsamen Deathmatch-Simulation, bei der jedes Pixel vom Modell in Echtzeit generiert wird, ähnlich einer gelernten Spiel-Engine.

Architektur: Entkoppelte Simulation und Rendering

Agora-1 trennt das Weltmodell in zwei separate gelernte Komponenten:

• Simulationsmodell: Trainiert auf dem internen Spielzustand (z.B. GoldenEye), erlernt es die Spieldynamik und wie Zustandsübergänge aus Spieleraktionen resultieren.
• Rendering-Modell: Ein DiT-basiertes Weltmodell, das auf den gemeinsamen Spielzustand konditioniert ist (nicht auf Prompts oder Bilder), um konsistente visuelle Darstellungen aus mehreren Blickwinkeln gleichzeitig zu generieren.

Diese Entkopplung gleicht einer modernen Spiel-Engine, aber beide Komponenten sind vollständig aus Daten gelernt. Das Modell manipuliert den zugrunde liegenden Spielzustand direkt und ermöglicht so die Generierung völlig neuer Level unter Beibehaltung der Spieldynamik.

Wichtigste Fähigkeiten

• Bis zu 4 gleichzeitige Teilnehmer in einer gemeinsamen Simulation.
• Echtzeit-Pixel-Streaming, generiert von Agora-1.
• Gemeinsamer Weltzustand verfolgt Gesundheit, Position und andere Agentenattribute.
• Kann neuartige Level generieren, die mit der Dynamik des ursprünglichen Spiels konsistent sind.

Vergleich mit früheren Arbeiten

Frühere Ansätze wie Multiverse verketten Agentenzustände zu einer einzigen Darstellung, während Solaris Teilnehmer entlang der Sequenzdimension stapelt (skaliert nicht linear mit der Spielerzahl). Beide haben Probleme mit der Konsistenz, wenn Spieler sich aus den Augen verlieren. Agora-1s entkoppelter Ansatz vermeidet diese Einschränkungen.

Anwendungsfälle

Odyssey zielt auf Anwendungen in Gaming, Robotik, Verteidigung, Bildung und Foundation Model Training ab. Die Architektur kann skaliert werden, um zunehmend komplexere Simulationen und Zustandsdarstellungen über GoldenEye hinaus zu handhaben.