Tripo vừa giới thiệu Project Eden, một World Model đang được phát triển dành cho môi trường multiplayer và AI agents. Điểm đáng chú ý là Eden không chỉ tạo ra video hay hình ảnh 3D, mà xây dựng một thế giới có thể tồn tại, ghi nhớ và thay đổi theo hành động của người dùng.
Ví dụ, nếu bạn dập một đám cháy trong thế giới Eden, ngọn lửa sẽ thực sự biến mất và trạng thái đó được ghi nhớ. Bạn quay camera sang hướng khác rồi quay lại, mọi thứ vẫn giữ nguyên. Nếu hai người cùng chơi trong một thế giới, mỗi người nhìn từ một góc camera khác nhau nhưng vẫn thấy cùng một không gian và những thay đổi giống nhau.
Tuy nhiên, tạo ra frame tiếp theo không đồng nghĩa với việc AI thực sự hiểu và mô phỏng một thế giới.
Một World Model đúng nghĩa phải ghi nhớ object, không gian, quy tắc, trạng thái và hệ quả của các hành động. Những thứ này phải tiếp tục tồn tại ngay cả khi camera không nhìn thấy chúng.
Hiện tại có hai hướng chính:
Thay vì lưu toàn bộ thế giới dưới dạng những pixel của video, Eden duy trì một world state hoạt động độc lập ở phía sau. Camera chỉ là công cụ để quan sát thế giới đó.
Cách tiếp cận này gần với thế giới thực: một vật thể vẫn tồn tại ngay cả khi không có camera nào nhìn vào nó.
Một object đi ra khỏi frame không bị xóa khỏi thế giới. Những thay đổi cũng được ghi lại và duy trì.
Vì mọi camera đều lấy dữ liệu từ cùng một world state nên các góc nhìn khác nhau vẫn giữ được sự nhất quán về không gian và vật lý.
Renderer không cần phải “nhớ” toàn bộ thế giới. Nó chỉ cần biết cách thể hiện thế giới đó.
Object có thể tồn tại ngoài frame: Bạn quay camera đi nơi khác rồi quay lại, object vẫn ở đó. Trong demo dập lửa, việc dập lửa không chỉ là một visual effect nhất thời mà thực sự làm thay đổi trạng thái của môi trường.
Physics phản hồi theo hành động: Khi lái thuyền hoặc điều khiển xe, hành động được ghi nhận vào world state và tác động đến chuyển động của hệ thống.
World có thể chỉnh sửa và tái sử dụng: Người dùng có thể liên tục tương tác với một thế giới đang hoạt động. Di chuyển object, tạo dấu vết hoặc kích hoạt một sự kiện — những thay đổi này vẫn được giữ lại.
Multiplayer: Nhiều người hoặc AI agents có thể cùng hoạt động trong một world state. Mỗi camera có thể render một góc nhìn riêng nhưng tất cả vẫn dựa trên cùng một thế giới.
Training cho AI Agents: Một môi trường có physics ổn định, temporal consistency và long-term memory có thể được sử dụng để training và testing embodied AI.
Với creators, đây có thể trở thành một engine để tạo interactive content: xây dựng environment, thiết lập interaction và cho nhiều người cùng bước vào một không gian có tính liên tục.
Với researchers, Eden có thể đóng vai trò như một simulation environment với physics ổn định, các scenario có thể chỉnh sửa và kết quả hành động có thể đo lường được.
Đây cũng là lý do Project Eden không xem World Model đơn thuần là một dạng Video Generation. Một World Model thực sự cần có một state có khả năng thay đổi.
Một phần quan trọng khác là State Transition Model — hệ thống có nhiệm vụ cập nhật world state dựa trên actions, rules và feedback.
Trong tương lai, việc đánh giá World Model cũng sẽ không chỉ dựa vào chất lượng hình ảnh mà còn phải xem xét persistence, causal consistency, rule-following và khả năng đồng bộ giữa nhiều agents.
Mục tiêu cuối cùng là chuyển từ việc AI chỉ dự đoán pixel tiếp theo sang khả năng mô phỏng trạng thái tiếp theo của một thế giới — nơi AI có thể tạo ra, ghi nhớ và tương tác với những thế giới có tính liên tục.
Nhận mã giảm giá TripoAI
Ví dụ, nếu bạn dập một đám cháy trong thế giới Eden, ngọn lửa sẽ thực sự biến mất và trạng thái đó được ghi nhớ. Bạn quay camera sang hướng khác rồi quay lại, mọi thứ vẫn giữ nguyên. Nếu hai người cùng chơi trong một thế giới, mỗi người nhìn từ một góc camera khác nhau nhưng vẫn thấy cùng một không gian và những thay đổi giống nhau.
Vì sao các World Model hiện nay vẫn chưa phải là một “thế giới thực”?
Các Generative Video Model hiện nay đã có khả năng tạo chuyển động rất tốt. Khi người dùng đưa ra một hành động, AI có thể dự đoán và tạo ra frame tiếp theo khá mượt. Vì vậy, nhiều hệ thống bắt đầu được gọi là World Model.Tuy nhiên, tạo ra frame tiếp theo không đồng nghĩa với việc AI thực sự hiểu và mô phỏng một thế giới.
Một World Model đúng nghĩa phải ghi nhớ object, không gian, quy tắc, trạng thái và hệ quả của các hành động. Những thứ này phải tiếp tục tồn tại ngay cả khi camera không nhìn thấy chúng.
Hiện tại có hai hướng chính:
- Action-conditioned Video Generation: xử lý chuyển động tốt nhưng thiếu long-term memory. Những object ra khỏi khung hình có thể biến mất, thay đổi hoặc xuất hiện trở lại không chính xác.
- Static 3D Scene Generation: tạo ra không gian 3D có cấu trúc tốt nhưng gần như bị “đóng băng”, thiếu physics, sự kiện và những thay đổi theo thời gian.
Ý tưởng cốt lõi: State Before Rendering
Điểm khác biệt quan trọng của Project Eden là tách World State khỏi Rendering.Thay vì lưu toàn bộ thế giới dưới dạng những pixel của video, Eden duy trì một world state hoạt động độc lập ở phía sau. Camera chỉ là công cụ để quan sát thế giới đó.
Cách tiếp cận này gần với thế giới thực: một vật thể vẫn tồn tại ngay cả khi không có camera nào nhìn vào nó.
Project Eden hoạt động như thế nào?
Hệ thống được chia thành 3 lớp chính:1. Evolving Structured State
Đây là nơi lưu trữ trạng thái của thế giới. Thay vì sử dụng một 4D point cloud khổng lồ, Eden dùng một representation gọn hơn để theo dõi geometry, object identity, semantics và những thay đổi do hành động của người dùng gây ra.Một object đi ra khỏi frame không bị xóa khỏi thế giới. Những thay đổi cũng được ghi lại và duy trì.
2. State-to-Observation Interface
Khi cần tạo một góc nhìn mới, lớp này chuyển world state thành những thông tin phù hợp với camera như local geometry, semantics và các thay đổi gần đây.Vì mọi camera đều lấy dữ liệu từ cùng một world state nên các góc nhìn khác nhau vẫn giữ được sự nhất quán về không gian và vật lý.
3. Generative Neural Rendering
Cuối cùng, renderer sử dụng những thông tin trên để tạo ra hình ảnh mà người dùng nhìn thấy, bao gồm lighting, texture, materials, smoke, fire, water và chuyển động.Renderer không cần phải “nhớ” toàn bộ thế giới. Nó chỉ cần biết cách thể hiện thế giới đó.
Project Eden có thể làm gì?
Việc tách state và rendering giúp Eden làm được những điều mà video generation hoặc static 3D khó thực hiện cùng lúc.Object có thể tồn tại ngoài frame: Bạn quay camera đi nơi khác rồi quay lại, object vẫn ở đó. Trong demo dập lửa, việc dập lửa không chỉ là một visual effect nhất thời mà thực sự làm thay đổi trạng thái của môi trường.
Physics phản hồi theo hành động: Khi lái thuyền hoặc điều khiển xe, hành động được ghi nhận vào world state và tác động đến chuyển động của hệ thống.
World có thể chỉnh sửa và tái sử dụng: Người dùng có thể liên tục tương tác với một thế giới đang hoạt động. Di chuyển object, tạo dấu vết hoặc kích hoạt một sự kiện — những thay đổi này vẫn được giữ lại.
Multiplayer: Nhiều người hoặc AI agents có thể cùng hoạt động trong một world state. Mỗi camera có thể render một góc nhìn riêng nhưng tất cả vẫn dựa trên cùng một thế giới.
Training cho AI Agents: Một môi trường có physics ổn định, temporal consistency và long-term memory có thể được sử dụng để training và testing embodied AI.
Vì sao Project Eden đáng chú ý?
Project Eden hướng đến hai nhóm người dùng.Với creators, đây có thể trở thành một engine để tạo interactive content: xây dựng environment, thiết lập interaction và cho nhiều người cùng bước vào một không gian có tính liên tục.
Với researchers, Eden có thể đóng vai trò như một simulation environment với physics ổn định, các scenario có thể chỉnh sửa và kết quả hành động có thể đo lường được.
Đây cũng là lý do Project Eden không xem World Model đơn thuần là một dạng Video Generation. Một World Model thực sự cần có một state có khả năng thay đổi.
Project Eden sẽ phát triển thế nào?
Hiện tại Project Eden mới chỉ là research preview, chưa phải một World Model hoàn chỉnh. Tripo cho biết họ đang tiếp tục phát triển richer physics, larger environments, free-viewpoint exploration và khả năng tương tác chi tiết hơn với object.Một phần quan trọng khác là State Transition Model — hệ thống có nhiệm vụ cập nhật world state dựa trên actions, rules và feedback.
Trong tương lai, việc đánh giá World Model cũng sẽ không chỉ dựa vào chất lượng hình ảnh mà còn phải xem xét persistence, causal consistency, rule-following và khả năng đồng bộ giữa nhiều agents.
Mục tiêu cuối cùng là chuyển từ việc AI chỉ dự đoán pixel tiếp theo sang khả năng mô phỏng trạng thái tiếp theo của một thế giới — nơi AI có thể tạo ra, ghi nhớ và tương tác với những thế giới có tính liên tục.
Nhận mã giảm giá TripoAI
