연구진이 Multi-Agent 환경에서 일관성 있는 비디오 생성 모델 WorldWeaver (W^2)를 발표했어요. W^2는 에이전트 간 공유 세계 정보를 저장하는 learnable token을 활용해 세계 상태를 추적하고 업데이트해요.
기존 방식의 문제점을 해결하기 위해 Mixture-of-Transformers 구조를 도입해 세계 상태 모델링과 시각적 프레임 모델링을 분리했어요.
두 에이전트 Minecraft 비디오 생성 실험 결과, 명시적인 세계 상태 모델링이 논리적 일관성과 생성 품질을 향상시키는 것을 확인했어요.