蚂蚁灵波开源 LingBot-Video,全球首个 MoE 具身视频基模

蚂蚁灵波开源_LingBot-Video,全球首个_MoE_具身视频基模 图1
蚂蚁灵波开源 LingBot-Video,全球首个 MoE 具身视频基模

蚂蚁灵波开源了全球首个基于 MoE 架构的具身智能视频生成基础模型 LingBot-Video。该模型总参数 30B,生成时仅激活约 3B,推理效率约为同等规模 Dense 架构的 3 倍。在面向机器人操作视频的评测基准 RBench 上,LingBot-Video 总分 0.620,超越 Wan2.6、Seedance1.5 Pro 和 Cosmos3 Super 等模型。

LingBot-Video 从架构、数据和训练三方面进行了创新:采用 DiT+MoE 设计平衡容量与成本;构建包含 7 万小时具身数据的画像引擎,覆盖灵巧操作、机器人移动和第一视角交互等场景;引入多维强化学习奖励系统,除美学和运动一致性外,重点关注物理合理性和任务完成度。模型可用于机器人动作预测、仿真数据生成和世界模型研究等方向,目前已以 Apache 2.0 许可证在 GitHub 开源。

量子位 | 蚂蚁灵波官网 | GitHub

© 版权声明
THE END
喜欢就支持一下吧
点赞11 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容