将序列化模糊认知图转化为因果虚拟世界的方法

我们展示了用户如何利用大语言模型（LLM）和大视频模型智能体创建并操控因果虚拟世界。该方法使用反馈模糊认知图（FCM）来建模虚拟世界的细粒度因果结构，并引导其因果演化。局部因果规则为部分或模糊的，而FCM的反馈结构产生全局平衡，定义因果场景。一系列形式为"如果A则B"的动态元规则定义了虚拟世界视频的因果场景。条件部分因果模式A在用户或智能体的任意决策下扰动FCM的虚拟世界。FCM的瞬态反馈动力学决定了元规则的因果蕴含方向。结果部分B是由此产生的平衡吸引子，如FCM的极限环或不动点。我们的算法从FCM中提取这些元规则，并指导LLM智能体根据FCM元规则序列编写脚本。大视频生成器将元规则转化为符合动力学流程的视频场景。我们采用基于智能体的技术处理了一个简单的FCM，描述海底世界中的海豚与鲨鱼。Google的Gemini 3.1生成了脚本，Google的Veo 3.1生成了海豚-鲨鱼视频。该方法具有通用性，可通过融合更大规模的FCM和AI智能体来生成更沉浸的虚拟世界。