XGEN Labs stellt Architektur für interaktive generative Weltsimulationen vor

Ein neuer Ansatz für interaktive KI-Welten

Generative KI hat sich in den vergangenen Jahren vor allem über die Erzeugung einzelner Inhalte entwickelt: Texte, Bilder, Audiodateien und kurze Videosequenzen lassen sich zunehmend auf Basis natürlicher Sprache erstellen. Eine technische Herausforderung bleibt jedoch bestehen: Ein generiertes Ergebnis ist nicht automatisch eine konsistente Welt, in der sich Objekte, Regeln und Akteure über längere Zeiträume hinweg zuverlässig verhalten.

Genau an diesem Punkt setzt ein am 17. September 2026 vorgestellter Prototyp von XGEN Labs an. Das Unternehmen beschreibt sein System als „Generative World Simulation“ und verbindet darin zwei Komponenten mit unterschiedlichen Aufgaben. Das Modell JING soll interaktive Erfahrungen aus der Perspektive eines einzelnen Beobachters ermöglichen. Die Engine DAO soll gleichzeitig einen gemeinsamen und fortlaufenden Weltzustand verwalten.

Die Vorstellung erfolgte über den offiziellen X-Account von XGEN Labs. Nach Angaben des Unternehmens soll die gekoppelte Architektur eine Welt erzeugen, die nicht ausschließlich auf die Wahrnehmung und die Aktionen eines einzelnen Nutzers reagiert. Vielmehr soll sie sich auch dann weiterentwickeln können, wenn ein Beobachter nicht anwesend ist. Damit verschiebt sich der Schwerpunkt von der reinen Bild- oder Videogenerierung hin zur Simulation von Zuständen, Regeln und Interaktionen.

Was hinter JING und DAO steckt

JING als interaktives Erfahrungsmodell

JING ist nach der Beschreibung von XGEN Labs die Komponente, die den Zugang zur simulierten Welt aus der Ich-Perspektive herstellt. Sie verarbeitet die bisherige Beobachtungshistorie und die vom Akteur ausgeführten Handlungen. Auf dieser Grundlage soll JING in der Lage sein, sich in der Welt zu bewegen, Objekte zu manipulieren und mit anderen Entitäten zu kommunizieren.

Technisch betrachtet handelt es sich damit um ein Modell, das nicht nur eine statische Szene interpretiert. Es muss aus vorherigen visuellen Eindrücken und Aktionen ableiten, wie die nächste Situation aussehen und auf eine Handlung reagieren könnte. Eine Bewegung, das Öffnen eines Gegenstands oder eine Kommunikation können dabei Veränderungen auslösen, die in späteren Beobachtungen wieder auftauchen müssen.

Für die Qualität einer solchen Interaktion ist die zeitliche Konsistenz entscheidend. Ein Objekt sollte nach einer Handlung nicht ohne nachvollziehbaren Grund an seinen ursprünglichen Ort zurückkehren. Eine Tür, die geöffnet wurde, sollte aus einer anderen Perspektive weiterhin geöffnet sein, sofern keine weitere Aktion sie schließt. Ein Gespräch sollte den Zustand eines Akteurs verändern können, anstatt lediglich eine isolierte Antwort zu erzeugen.

DAO als gemeinsamer Weltzustand

DAO übernimmt in der von XGEN Labs beschriebenen Architektur eine andere Funktion. Die Engine soll den gemeinsamen Zustand der Welt und die darin geltenden Regeln speichern und fortschreiben. Sie berechnet demnach die Folgen von Handlungen und stellt JING nur jene Informationen zur Verfügung, die ein Beobachter aus seiner aktuellen Position und Perspektive wahrnehmen kann.

Diese Trennung ist von zentraler Bedeutung. In vielen generativen Systemen entsteht die nächste Ausgabe unmittelbar aus einem Eingabekontext. Bei einer Weltsimulation muss dagegen zwischen dem vollständigen, objektiven Zustand der Welt und der begrenzten Wahrnehmung eines einzelnen Akteurs unterschieden werden.

DAO soll diese Funktion als eine Art rechnerisches Rückgrat übernehmen. Der globale Zustand kann beispielsweise Positionen, Eigenschaften, Beziehungen, Regeln und Ereignisse umfassen. JING erhält daraus nur den relevanten Ausschnitt. Ein Akteur sieht somit nicht automatisch alles, was in der Welt existiert. Gleichzeitig können Ereignisse außerhalb seines Blickfelds stattfinden und später Auswirkungen auf seine Erfahrung haben.

Nach Angaben von XGEN Labs unterstützt DAO außerdem autonome Entscheidungen von Agenten. Damit könnten sich in einer simulierten Umgebung mehrere Akteure unabhängig voneinander verhalten. Eine Welt wäre in diesem Modell nicht nur ein Raum, den ein Nutzer erkundet, sondern ein System mit mehreren handelnden Einheiten.

Der Unterschied zur klassischen Videogenerierung

Videogenerierungsmodelle erzeugen typischerweise eine Folge von Bildern, die zu einer plausiblen Sequenz verbunden werden. Sie können Bewegungen, Kamerafahrten und Veränderungen darstellen. Die zentrale Aufgabe besteht jedoch häufig darin, visuell überzeugende nächste Frames zu erzeugen. Ob hinter der sichtbaren Szene ein dauerhaft verwalteter Weltzustand existiert, ist eine andere Frage.

XGEN Labs positioniert die Kombination aus JING und DAO ausdrücklich als Schritt über die Vorhersage des nächsten Einzelbilds hinaus. Die technische Idee besteht darin, dass DAO die Regeln und Zustände der Welt verwaltet, während JING diese Welt aus einer begrenzten Perspektive erfahrbar macht.

Der Unterschied lässt sich anhand eines einfachen Szenarios verdeutlichen. In einer reinen Videosequenz kann eine Person einen Ball auf einen Tisch legen. Das System muss dafür eine visuell stimmige Folge von Bildern erzeugen. In einer persistenten Simulation müsste zusätzlich festgehalten werden, dass sich der Ball nun auf dem Tisch befindet. Ein anderer Akteur könnte den Ball später sehen, ihn aufnehmen oder verschieben. Die Veränderung müsste auch dann bestehen bleiben, wenn der ursprüngliche Beobachter die Szene verlassen hat.

Eine solche Architektur stellt höhere Anforderungen an die technische Koordination. Das System muss Wahrnehmung, Handlung, Zustandsänderung und spätere Beobachtung miteinander verbinden. Dazu kommen Fragen der räumlichen Konsistenz, der Kausalität und der Reproduzierbarkeit.

Die Bedeutung der Ich-Perspektive

Die Perspektive des einzelnen Beobachters ist ein wesentliches Merkmal des vorgestellten Ansatzes. JING soll nicht auf eine allwissende Beschreibung der gesamten Umgebung zugreifen, sondern auf den jeweiligen Beobachtungs- und Aktionsverlauf. Dieser sogenannte egocentrische Zugang entspricht stärker der Art und Weise, wie Menschen und physische Agenten ihre Umgebung wahrnehmen: Sie sehen und erfahren nur einen begrenzten Ausschnitt.

Für interaktive Systeme kann diese Beschränkung mehrere Vorteile haben. Sie reduziert die Menge der Informationen, die für eine konkrete Handlung verarbeitet werden müssen. Gleichzeitig kann sie realistischere Interaktionen ermöglichen, weil ein Akteur nur auf Informationen reagiert, die ihm tatsächlich zugänglich sind.

Für die Systementwicklung entsteht daraus jedoch auch eine zusätzliche Komplexität. Die Engine muss präzise bestimmen, welche Informationen sichtbar, hörbar oder anderweitig wahrnehmbar sind. Außerdem muss sie verhindern, dass das Modell unzulässigerweise auf globale Informationen zurückgreift. Andernfalls könnten Ergebnisse entstehen, die aus Sicht eines realen oder virtuellen Akteurs nicht erklärbar wären.

In Geschäftsanwendungen kann diese Perspektive beispielsweise für Trainingssimulationen, virtuelle Arbeitsumgebungen oder digitale Zwillinge relevant sein. Ein Servicetechniker könnte eine Anlage aus seiner Position heraus untersuchen, während andere Prozesse in nicht sichtbaren Bereichen fortlaufen. Eine Schulung könnte nicht nur vorbereitete Dialoge abspielen, sondern auf die Handlungen des Teilnehmenden und auf den Zustand der Umgebung reagieren.

Einordnung der WBench-Ergebnisse

XGEN Labs teilte mit, dass XGEN-JING auf der offiziellen WBench-Rangliste am 17. September 2026 den ersten Platz im vollständigen „Full“-Split und den zweiten Platz im „Navi“-Split erreicht habe. Diese Angaben stammen aus der Ankündigung des Unternehmens. Eine unabhängige Überprüfung der Ranglistenwerte und der zugrunde liegenden Testbedingungen ist anhand der vorliegenden Informationen nicht möglich.

Benchmarks für interaktive Weltmodelle sollen grundsätzlich bewerten, wie gut ein System auf Aktionen reagiert und über längere Sequenzen konsistente Zustände erzeugt. Dabei geht es nicht ausschließlich um die Qualität einzelner Bilder. Relevante Kriterien können unter anderem die geometrische Stabilität, die Erhaltung von Objektidentitäten, die Reaktion auf Handlungen und die Fähigkeit zur Navigation sein.

Ein Beispiel für eine solche Evaluationsrichtung ist PlayWorld. Das Projekt der University of Hong Kong und des Kling-Teams von Kuaishou Technology untersucht Weltmodelle anhand langfristiger Ziele, die von Agenten oder Spielern verfolgt werden. Die zugrunde liegende Idee besteht darin, nicht nur vorgegebene Aktionsfolgen zu vergleichen, sondern zu prüfen, ob ein Agent in einer simulierten Umgebung ein bestimmtes Ziel erreichen kann.

Die Bewertung solcher Systeme ist anspruchsvoll, weil verschiedene Modelle unterschiedliche Aktionsstrategien verwenden können. Ein fairer Vergleich muss deshalb berücksichtigen, ob ein System ein Ziel zuverlässig, über eine längere Zeit und unter wechselnden Bedingungen erreicht. Kurze, visuell überzeugende Sequenzen reichen für die Beurteilung einer persistenten Welt nicht aus.

Auch die Bezeichnung eines Rankings sollte daher nicht isoliert interpretiert werden. Ein Spitzenplatz in einem Benchmark kann auf bestimmte Szenarien und Messgrößen begrenzt sein. Für eine Übertragung in Unternehmensprozesse wären zusätzliche Tests erforderlich, etwa mit domänenspezifischen Regeln, realistischen Fehlerfällen, Sicherheitsanforderungen und definierten Service-Leveln.

Ein Forschungsfeld mit hoher Dynamik

Die Entwicklung von JING und DAO steht in einem breiteren Forschungszusammenhang. In den vergangenen Monaten wurden mehrere Ansätze vorgestellt, die generative Modelle nicht mehr nur zur Produktion einzelner visueller Inhalte, sondern zur interaktiven Modellierung von Umgebungen einsetzen.

Das Projekt Zing-0.5 wird in einem auf arXiv veröffentlichten Beitrag als autoregressives Weltmodell mit fünf Milliarden Parametern beschrieben. Es soll generierte Welten spielbar machen und kombinierte Eingaben aus Tastaturaktionen und Textanweisungen verarbeiten. Der Fokus liegt dabei auf der Echtzeitinteraktion und der Möglichkeit, den Ablauf einer Welt durch mehrere Eingabekanäle zu beeinflussen.

Ein anderer Ansatz ist AnchorWorld. Das Projekt beschreibt eine körperbezogene Simulation aus der egocentrischen Perspektive. Menschliche Bewegungen dienen dabei als Aktionssignal. Lokale Weltzustände können über sogenannte Ankeransichten angepasst werden, die visuelle Informationen, räumliche Posen und Hinweise zur Weiterentwicklung einer Szene verbinden.

Auch LingBot-World von Robbyant wird als Open-Source-Projekt im Bereich der Weltmodelle geführt. Die Entwicklung zeigt, dass sich das Forschungsfeld nicht auf einzelne proprietäre Systeme beschränkt. Verfügbare Repositories, Modelle und Datensätze können dazu beitragen, Methoden vergleichbarer zu machen und eine breitere Entwicklergemeinschaft einzubeziehen.

Die verschiedenen Projekte unterscheiden sich in Architektur, Eingabeformaten, Zielsetzung und Evaluationsmethoden. Gemeinsam ist ihnen die Suche nach Modellen, die längerfristige Interaktion, räumliche Stabilität und handlungsabhängige Veränderungen besser abbilden als herkömmliche Video- oder Bildgeneratoren.

Warum persistente Welten für Unternehmen relevant sind

Simulation und Training

Interaktive Weltsimulationen könnten Trainingsumgebungen ermöglichen, in denen Beschäftigte nicht nur vordefinierte Dialoge durchlaufen. Stattdessen könnten sie Entscheidungen treffen, deren Folgen sich auf die simulierte Umgebung und auf andere Akteure auswirken.

In der Industrie wären beispielsweise Wartungs- und Sicherheitsszenarien denkbar. Ein System könnte verschiedene Störungen, Arbeitsabläufe und Abhängigkeiten simulieren. Entscheidend wäre dabei, dass die Umgebung auf Handlungen konsistent reagiert und Fehler nicht lediglich durch eine vorproduzierte Videosequenz dargestellt werden.

Virtuelle Produkt- und Serviceumgebungen

Hersteller könnten interaktive Produktwelten entwickeln, in denen Nutzer Eigenschaften, Konfigurationen und Anwendungssituationen erkunden. Im Unterschied zu einem statischen 3D-Modell könnte ein generatives System verschiedene Szenarien dynamisch erzeugen und auf Fragen oder Aktionen reagieren.

Für den Kundendienst wären virtuelle Reproduktionen von Anlagen oder Geräten möglich. Ein Agent könnte aus einer bestimmten Perspektive Diagnoseschritte durchführen und dabei auf reale oder simulierte Zustandsänderungen reagieren. Für eine belastbare Nutzung müsste jedoch sichergestellt sein, dass die Simulation nicht unbemerkt physikalisch oder technisch falsche Schlussfolgerungen erzeugt.

Agentensysteme und digitale Arbeitsräume

Wenn autonome Agenten in einer gemeinsamen Welt handeln können, entstehen mögliche Anwendungen für kollaborative digitale Arbeitsräume. Mehrere spezialisierte Agenten könnten Aufgaben koordinieren, Informationen austauschen und auf Veränderungen in einer gemeinsamen Umgebung reagieren.

Ein solches System würde sich von isolierten Chatbots unterscheiden. Ein Agent könnte nicht nur eine Anfrage beantworten, sondern seinen Kontext aus einem fortlaufenden Zustand beziehen. Gleichzeitig steigt der Bedarf an Berechtigungen, Protokollierung und klaren Regeln. In Unternehmen müsste nachvollziehbar sein, welcher Agent welche Handlung ausgelöst und welche Zustandsänderung vorgenommen hat.

Die technischen Herausforderungen

Zustandskonsistenz

Die wichtigste technische Herausforderung ist die dauerhafte Konsistenz des Weltzustands. Objekte, Räume und Akteure müssen über viele Interaktionen hinweg identifizierbar bleiben. Änderungen dürfen nicht nur für den unmittelbar folgenden Frame gelten, sondern müssen korrekt gespeichert und bei späteren Beobachtungen wieder berücksichtigt werden.

Langfristige Kausalität

Eine realistische Welt muss Folgen über längere Zeiträume abbilden. Eine Handlung kann nicht nur eine unmittelbare Reaktion, sondern eine Kette späterer Ereignisse auslösen. Dafür benötigt das System Regeln, die über einzelne Modellvorhersagen hinausgehen. Je länger eine Simulation läuft, desto größer wird das Risiko, dass sich Fehler oder Widersprüche akkumulieren.

Skalierbarkeit und Rechenkosten

Persistente Welten mit mehreren Agenten erfordern mehr Rechenleistung als die Generierung eines einzelnen Bildes. Der Weltzustand muss aktualisiert, Entscheidungen müssen berechnet und individuelle Beobachtungen müssen erzeugt werden. Für den produktiven Einsatz stellt sich daher die Frage, welche Teile zentral, verteilt oder am Endgerät verarbeitet werden können.

Hinzu kommt die Echtzeitfähigkeit. Nutzer erwarten bei interaktiven Anwendungen eine kurze Reaktionszeit. Zwischen einer Eingabe und der sichtbaren Konsequenz darf keine lange Verzögerung entstehen. Gleichzeitig darf die Reduzierung der Latenz nicht zu Lasten der Genauigkeit oder der Zustandskonsistenz gehen.

Wahrnehmungsgrenzen und Informationslecks

Wenn ein Agent nur seine aktuelle Perspektive erhalten soll, muss das System Zugriffs- und Wahrnehmungsgrenzen technisch durchsetzen. In Mehragentenszenarien darf ein Akteur keine Informationen über Ereignisse erhalten, die er nicht beobachten kann. Für geschäftliche Anwendungen ist diese Eigenschaft auch unter Datenschutz- und Vertraulichkeitsgesichtspunkten relevant.

Sicherheit und Kontrollierbarkeit

Autonome Agenten in dynamischen Welten können unerwartete Aktionen ausführen. Unternehmen benötigen deshalb Kontrollmechanismen, die Handlungen begrenzen, freigeben oder rückgängig machen können. Dazu gehören Rollen- und Rechtesysteme, Prüfprotokolle, Notabschaltungen und klar definierte Regeln für externe Schnittstellen.

Besonders kritisch wäre der Einsatz in Bereichen, in denen eine simulierte Entscheidung unmittelbare Auswirkungen auf reale Prozesse hat. Dort müsste eine generative Simulation strikt von einer verbindlichen Steuerung getrennt werden, solange ihre Ergebnisse nicht ausreichend validiert sind.

Vom technischen Prototyp zur belastbaren Plattform

Die Veröffentlichung von XGEN Labs ist nach der vorliegenden Darstellung als technischer Prototyp einzuordnen. Zwischen einer Demonstration und einer für Unternehmen geeigneten Plattform liegen mehrere Entwicklungsstufen. Dazu gehören reproduzierbare Tests, stabile Schnittstellen, Dokumentation, Sicherheitsprüfungen und eine transparente Beschreibung der Modellgrenzen.

Für B2B-Anwender sind zudem wirtschaftliche Faktoren relevant. Dazu zählen die Kosten pro Interaktionsminute, die benötigte Hardware, die Möglichkeit zum Betrieb in einer kontrollierten Infrastruktur sowie die Integration in bestehende Daten- und Softwaresysteme. Ein Modell kann technisch leistungsfähig sein, ohne für einen konkreten Geschäftsprozess wirtschaftlich oder organisatorisch geeignet zu sein.

Auch die Frage der Datenherkunft bleibt wichtig. Trainingsdaten für visuelle Welten, Bewegungen und Interaktionen können urheberrechtlich, datenschutzrechtlich oder vertraglich sensibel sein. Bei Unternehmensanwendungen muss geklärt werden, ob eigene Daten verwendet werden dürfen, wie sie verarbeitet werden und ob Ergebnisse oder Zustandsinformationen an externe Dienste übertragen werden.

Darüber hinaus benötigen Unternehmen eine klare Governance. Wer ist für den simulierten Weltzustand verantwortlich? Wie werden Änderungen dokumentiert? Wie lässt sich eine fehlerhafte Agentenentscheidung untersuchen? Und unter welchen Bedingungen darf ein System selbstständig handeln? Diese Fragen betreffen nicht nur die Modellarchitektur, sondern auch Prozesse, Verantwortlichkeiten und Compliance.

OASIS als langfristige Zielvorstellung

XGEN Labs ordnet die Kombination aus JING und DAO in seiner Ankündigung als möglichen Schritt in Richtung OASIS ein. Gemeint ist eine Welt oder Gesellschaft, die sich nicht ausschließlich durch die Interaktion eines einzelnen Nutzers verändert, sondern auch in dessen Abwesenheit weiterentwickelt.

Diese Zielvorstellung geht über eine klassische virtuelle Umgebung hinaus. Eine solche Simulation müsste mehrere Akteure, Ressourcen, Regeln und soziale Interaktionen über längere Zeiträume koordinieren. Ereignisse könnten unabhängig voneinander entstehen und später miteinander in Beziehung treten.

Ob und wann solche Systeme eine ausreichende technische Reife erreichen, lässt sich aus dem vorgestellten Prototyp nicht ableiten. Dafür wären detaillierte Informationen zu Modellarchitektur, Datengrundlage, Rechenaufwand, Fehlerraten und Langzeitstabilität erforderlich. Die Ankündigung liefert vor allem eine Beschreibung des Konzepts und einen Hinweis auf die Benchmark-Platzierung.

Für die Einordnung ist deshalb eine klare Unterscheidung sinnvoll: Die derzeit sichtbare Demonstration zeigt, welche Form interaktive generative Welten annehmen können. Sie belegt jedoch nicht automatisch, dass die Technologie bereits für kritische Unternehmensprozesse, dauerhafte Mehrnutzersysteme oder autonome Entscheidungen in der realen Welt geeignet ist.

Was Unternehmen jetzt beobachten sollten

Für Entscheiderinnen und Entscheider, die sich mit generativen Weltmodellen beschäftigen, lassen sich mehrere Prüfbereiche ableiten:

• Persistenz: Bleiben Objekte, Positionen und Ereignisse über lange Interaktionen hinweg konsistent?
• Steuerbarkeit: Können Unternehmen Regeln, Rollen, Berechtigungen und zulässige Aktionen selbst definieren?
• Nachvollziehbarkeit: Werden Beobachtungen, Entscheidungen und Zustandsänderungen revisionssicher protokolliert?
• Leistung: Welche Latenz und welche Kosten entstehen bei mehreren gleichzeitigen Agenten?
• Integration: Lassen sich vorhandene Daten, digitale Zwillinge und Unternehmenssoftware anbinden?
• Datenschutz: Wie werden personenbezogene, vertrauliche oder geschäftskritische Informationen verarbeitet?
• Validierung: Gibt es domänenspezifische Tests, die über allgemeine Leaderboards hinausgehen?
• Ausfallsicherheit: Was geschieht bei widersprüchlichen Zuständen, Modellfehlern oder einem Abbruch der Simulation?

Diese Kriterien helfen dabei, zwischen einer eindrucksvollen Demonstration und einer belastbaren Anwendungsperspektive zu unterscheiden. Für erste Pilotprojekte bieten sich Szenarien mit begrenztem Risiko an, beispielsweise interne Schulungen, explorative Produktkonfigurationen oder prototypische virtuelle Räume.

Fazit

Die von XGEN Labs vorgestellte Architektur verbindet ein egocentrisches Interaktionsmodell mit einer Engine für einen gemeinsam verwalteten Weltzustand. JING soll Handlungen und Beobachtungen aus der Ich-Perspektive verarbeiten, während DAO Regeln, Zustände und Konsequenzen über mehrere Beobachter und autonome Agenten hinweg koordinieren soll.

Der Ansatz adressiert eine zentrale Grenze heutiger generativer Systeme: Die Erzeugung visuell plausibler Inhalte ist nicht gleichbedeutend mit einer konsistenten, dauerhaft fortbestehenden Welt. Durch die Trennung zwischen Wahrnehmung und globalem Zustand entsteht ein Modell, das grundsätzlich für komplexere Interaktionen geeignet sein könnte.

Die gemeldeten Platzierungen auf der WBench-Rangliste unterstreichen die Relevanz des Projekts innerhalb eines schnell wachsenden Forschungsfelds. Sie sollten jedoch im Kontext der jeweiligen Testmethodik und unter Berücksichtigung der noch offenen Fragen bewertet werden. Für den B2B-Einsatz entscheiden letztlich nicht nur visuelle Qualität und Interaktivität, sondern auch Sicherheit, Transparenz, Kosten, Integrationsfähigkeit und die kontrollierte Begrenzung autonomer Aktionen.

Für Unternehmen zeichnet sich damit ein neues Beobachtungsfeld ab. Generative KI könnte sich von einem Werkzeug zur Inhaltserstellung zu einer Technologie entwickeln, die dynamische Umgebungen, Prozesse und Akteursbeziehungen modelliert. Bis daraus verlässliche Produkte entstehen, bleibt die technische und organisatorische Validierung jedoch ebenso wichtig wie die Leistungsfähigkeit des zugrunde liegenden Modells.

Quellen

XGEN Labs: Ankündigung des Prototyps „Generative World Simulation“ auf X, veröffentlicht am 17. September 2026. https://x.com/XGEN_labs/status/2100648317722206255 XGEN Labs: Hintergrundbeitrag zur Architektur von JING und DAO, angekündigt am 18. September 2026. https://xgenlabs.ai/research/generative-world-simulation Chen, Mingyang et al.: „Zing-0.5: Toward Playable Worlds with Real-Time Joint Action and Text Control“, arXiv, eingereicht am 15. September 2026. https://arxiv.org/abs/2609.17909 Robbyant: „LingBot-World“, GitHub-Repository. https://github.com/Robbyant/lingbot-world Li, Yu et al.: „AnchorWorld: Embodied Egocentric World Simulation with View-based Evolution Customization“. https://yuli0103.github.io/AnchorWorld/ Ding, Kaixin et al.: „PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives“, GitHub-Repository. https://github.com/kxding/PlayWorld PlayWorld: Projektseite und Evaluationsübersicht. https://kxding.github.io/project/PlayWorld/ Seedleap: „Zing-0.5 World Model“, GitHub-Repository. https://github.com/seedleap/zing-world-model