Presentiamo Project Eden: un world model per multiplayer e agenti
Stiamo rilasciando un'anteprima di ricerca di Project Eden, un persistent world model costruito per l'uso multiplayer e per agenti AI che condividono un unico mondo coerente. Funziona in modo continuo, ricorda ciò che gli fai e rimane coerente indipendentemente da quale telecamera lo osservi. L'anteprima tecnica completa è qui: Project Eden research preview.
L'idea alla base di Project Eden è semplice da enunciare e difficile da costruire. La maggior parte dei sistemi che oggi vengono chiamati "world models" sono generatori video; prevedono il frame successivo e dimenticano tutto una volta che esce dallo schermo. Project Eden invece mantiene il mondo in esecuzione sotto l'immagine. Spegni un incendio e resta spento. Distogli lo sguardo da un muro e sarà ancora lì quando ti giri di nuovo. Due giocatori gareggiano sulla stessa pista da angolazioni diverse e restano nella stessa realtà.
Questa differenza è il punto centrale. Le sezioni seguenti spiegano perché è importante e come funziona.
Perché la maggior parte dei "world models" non lo sono
La generazione video è migliorata molto. I modelli condizionati dall'azione rispondono ai tuoi input e producono movimenti fluidi, e il settore ha iniziato a chiamarli world models.
C'è però una differenza tra prevedere pixel e simulare un mondo. Generare il frame successivo ti dice come dovrebbe cambiare un'immagine. Un vero world model deve tracciare cosa significano quei pixel: gli oggetti, gli spazi, le regole, la memoria e le conseguenze fisiche che devono restare stabili che una telecamera li stia guardando oppure no.
Finora la ricerca si è divisa in due strade, e ciascuna arriva a un limite.
La generazione video condizionata dall'azione gestisce bene il movimento ma non ha una memoria duratura. Lo "stato" del mondo vive dentro una breve finestra di frame recenti, quindi qualsiasi cosa esca dall'inquadratura può deviare, svanire o tornare in modo errato. Hai il tempo senza la permanenza.
La generazione di scene 3D statiche ti offre uno spazio solido e percorribile, ma lo congela. Fisica, eventi e cambiamento non fanno parte del progetto. Hai la struttura senza il cambiamento.
Quindi una strada ricorda come si muovono le cose ma dimentica che esistono. L'altra ricorda che esistono ma non può permettere loro di cambiare. Un vero world model ha bisogno di entrambe.
L'idea centrale: lo stato prima del rendering
La principale scelta progettuale di Project Eden è separare lo stato del mondo dal rendering.
La realtà funziona già in questo modo. Il mondo esiste prima che qualunque telecamera lo osservi. Queste sono questioni di stato, non di rendering. Quindi, invece di comprimere spazio, oggetti, eventi e aspetto in un flusso di pixel, Project Eden mantiene un mondo sottostante che funziona autonomamente. Il rendering diventa un modo per osservare quel mondo, non il luogo in cui il mondo è memorizzato.
Come funziona: tre livelli
Un unico generatore video che fa tutto viene sostituito da tre livelli, ciascuno con un compito chiaro.
Uno stato strutturato in evoluzione. È qui che vive il mondo. È una rappresentazione compatta, non una gigantesca point cloud 4D, e traccia geometria grossolana, identità degli oggetti, semantica e ciò che hanno fatto le tue azioni. Gli oggetti che escono dall'inquadratura non vengono scartati. I cambiamenti vengono riscritti nello stato e rimangono.
Un'interfaccia da stato a osservazione. Quando una vista deve essere renderizzata, questo livello trasforma lo stato del mondo in segnali condizionati dalla telecamera: geometria locale, semantica, cambiamenti recenti. Ogni punto di vista attinge dalla stessa sorgente, quindi telecamere diverse restano fisicamente coerenti.
Rendering neurale generativo. Il renderer prende questi segnali e produce ciò che vedi: illuminazione, texture, materiali, fumo, fuoco, acqua, movimento. Non deve ricordare il mondo. Deve solo mostrarlo.
Cosa può fare Eden
Separare lo stato dal rendering apre possibilità che il puro video o il 3D statico non possono offrire insieme.
Gli oggetti non svaniscono quando escono dall'inquadratura. Restano nello stato sottostante, quindi puoi distogliere lo sguardo per quanto tempo vuoi e il mondo sarà ancora lì quando ti giri di nuovo. Nella nostra demo di spegnimento degli incendi, spegnere il fuoco non è un effetto passeggero. L'ambiente entra in uno stato modificato e lo conserva.
La fisica risponde a input vari. Governa una barca o guida un'auto, e l'azione viene registrata nello stato e aggiorna la dinamica.
I mondi sono riutilizzabili e modificabili. La generazione video procede in una sola direzione; una volta che la timeline va avanti, non puoi tornare indietro. Eden ti permette di agire su un mondo in esecuzione più e più volte. Lascia un segno, sposta un oggetto, attiva un risultato, e tutto questo persiste. Altre persone che entrano in quel mondo vedono gli stessi cambiamenti.
Il multiplayer è integrato. Molti agenti condividono uno stato compatto, con una vista separata renderizzata per ogni telecamera. Nella demo di corsa, due auto condividono una stessa pista sincronizzata da angolazioni diverse. Nella demo del poligono di tiro, giocatori diversi compiono azioni diverse in un unico ambiente, ed Eden le risolve secondo le stesse regole.
Può addestrare agenti. Un mondo con fisica stabile, coerenza temporale e memoria a lungo termine funziona come ambiente per l'addestramento e il test dell'AI embodied, dove le azioni hanno esiti affidabili e il mondo non si resetta a ogni sguardo.
Perché è importante
Eden si rivolge a due pubblici. Per i creator, è un motore per contenuti interattivi: genera un ambiente, imposta le interazioni, invita le persone nello stesso spazio persistente. Per i ricercatori, è una base di simulazione con coerenza su orizzonti lunghi, regole fisiche reali, scenari modificabili e conseguenze misurabili, che è ciò di cui gli agenti embodied hanno bisogno per apprendere in modo affidabile.
Questo è il motivo per cui non classifichiamo i world models come semplice generazione video. Un world model ha bisogno di uno stato che possa cambiare.
Cosa ci aspetta
Questa è un'anteprima di ricerca, non un world model general-purpose completo, e il lavoro è ancora nelle fasi iniziali. Stiamo costruendo una fisica più ricca, ambienti più grandi, un'esplorazione free-viewpoint più ampia, un'interazione con gli oggetti più fine e uno State Transition Model più solido che aggiorni il mondo a partire da azioni, regole e feedback. Anche la valutazione deve crescere, testando persistenza, coerenza causale, rispetto delle regole e sincronizzazione multi-agent, non solo la qualità visiva.
Passare dalla previsione del pixel successivo alla simulazione dello stato successivo non è solo un cambiamento ingegneristico. Indica una direzione verso un'AI che può creare, ricordare e ragionare all'interno di mondi che reggono.
Leggi l'approfondimento completo, con demo e dettagli architetturali, nella Project Eden research preview.
Informazioni su VAST AI Research: VAST AI Research sviluppa 3D foundation models e world models. Scopri di più su tripo3d.ai/research e segui @vastairesearch.
