MA-WAM：用联合世界模型选择多智能体未来

图1如何把联合候选、路由世界模型和真实观察重规划组成闭环？

1. 1

   用冻结流策略生成联合候选

   图左从当前联合观察历史生成M=8条候选。流模型同时去噪所有智能体的预测观察序列，逆动力学头再得到动作；跨智能体注意力协调提议。主要受控实验每候选三次去噪，部署策略参数保持冻结。

2. 2

   用软路由预测团队状态变化

   RWM将每个智能体观察和动作组成token，分配到八个动力学专家、每专家四个槽，聚合所有智能体后再组合为各自状态增量。共享槽显式建模同时动作之间的依赖，不能视为多个独立单智能体模型简单相加。

3. 3

   用独立奖励路由累计候选分数

   奖励分支读取当前观察、动作及停止梯度的预测下一观察；四个专家均计算，仅top2参与混合。奖励损失不回传动力学，另加负载均衡。规划按累计预测奖励排序，默认请求H=8，但部分SMAC任务实际有效范围只有3。

4. 4

   只执行第一步并重取真实观察

   图右执行最高分候选的第一联合动作，再从真实状态重新提议，限制一次想象误差累积长度。实际实验为集中训练、集中执行CTCE，需要联合观察；附录的分散化讨论不是已验证部署结果。

以下为作者报告；已阅读 v1 全文及可用附录，本站未独立执行研究实验。实验条件与编辑解读分别列出。

全文与可用附录已读；未核实作者专属策略、世界模型或训练代码公开，不以公式和伪代码替代实际发布。

LICENSE代码及模型许可未确认；论文原图许可见图注。