Google（谷歌）研究院提出多智能体框架：以持久视觉记忆减少长视频生成中的角色漂移
Google Research（谷歌研究院）介绍其“AI（人工智能）视频联合导演”多智能体框架，把长视频生成当作全局优化与世界状态跟踪问题处理。
其中CANVAS框架通过维护角色、场景与物体的结构化表示和持久视觉记忆，缓解AI生成视频中的角色漂移与背景不一致； A²RD则以多模态视频记忆逐段生成并在外推与内插之间切换。
该工作目前为研究博客与会议投稿，摘要中未见同行评审完成信息，也未给出记忆机制在非视频场景的验证。
Google Research（谷歌研究院）研究科学家Yale Song与Yiwen Song于2026年9月24日发布博客，介绍其AI（人工智能）视频联合导演框架及其四个组成部分：Co-Director（拟发表于COLM 2026）、CANVAS（拟发表于EMNLP 2026）、A²RD和VQQA。
该框架构建在Gemini与Veo之上，宣称采用SynthID水印等安全机制，并称架构与模型无关。 CANVAS通过维护角色、地点与物体状态的结构化表示和“持久视觉记忆”，在回忆或新建视觉锚点时保持跨镜头一致； A²RD采用逐段生成与多模态视频记忆，在“外推”与“内插”两种生成模式间自适应切换。
博客称在自建基准GenAD-Bench与HardContinuityBench上，该框架在多镜头叙事一致性与角色保持方面有提升，并生成了十分钟长视频示例。 上述均为研究方自述结果，博客未提供同行评审结论。
这是Google（谷歌）研究院的一手研究声明，不是独立评测。 值得关注的不是视频本身，而是它给出的通用思路：把“实体状态+记忆检索”从对话文本扩展到跨时间片段的一致性维护——这与跨会话记忆、个人知识图谱面临的问题同构（谁是同一个人、什么状态被保留、何时回退到既有锚点）。
但该博客未披露记忆存储位置（端侧或云端）、记忆的保留与删除策略，也未说明用户如何审计或删除记忆。
后续观察信号
- 追踪COLM 2026与EMNLP 2026相关论文的正式发布与评审信息
- 查证该框架是否说明记忆的存储位置、保留期限与删除接口