多智能体第一人称世界模型 ME-World：细粒度具身交互下的同步视角生成

ME-World 将多智能体第一人称世界建模定义为在共享世界中通过细粒度动作交互的同步视角流生成，要求跨视角动作一致、共享环境一致与交互状态更新一致传播。该模型在共享 token 序列中联合去噪多路视角流，以所有智能体的目标视角位姿为条件，并用共享环境记忆锚定生成。