Robbyant 开源具身专属 MoE 视频模型 LingBot-Video
Robbyant 开源为机器人打造的 MoE 视频模型，用低成本模拟物理世界，降低机器人训练成本。
LingBot-Video 是全球首个专为机器人设计的 MoE 视频模型，30B 参数但推理只激活 3B。它生成符合物理规律的视频，用于训练机器人的世界模型，已开源。
正文摘录
视频地址： https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q 或许有小伙伴要问了，像刚才视频里的机器人切西红柿、吸床单和收纳口红，目前很多视频生成的 AI 不也能搞出来吗？ 但既然说了 LingBot-Video 是具身版的专属视频模型，那说明它从架构、数据到训练目标全链路都是为机器人、人形智能体量身打造的。 它的功能远不止于生成视频，如此大规模的训练，让模型对现实世界中的互动有了更深刻的理解。 通用视频模型的训练目标，主要围绕视觉质量、语义对齐、运动连贯展开。人看视频时，也更容易被画质、光影、构图、风格打动。 它不只是看见一个杯子，还要判断自己伸手过去以后，杯子会怎么动；看见一条路，还要判断从这里走过去，会不会撞到障碍…… 通用模型里偶尔出现的穿模、物体凭空消失、动作违背惯性，对短视频创作来说可能只是瑕疵。观众看一眼，最多吐槽一句“AI 味有点重”。 因为这就相当于在教机器人一套错误的世界规律，它们会误认为手可以穿过物体、杯子可以无缘无故复原、液体可以悬在空中…… 所以 LingBot-Video 生成的视频，就是要让机器人的大脑学会真真实实的物理规律。 视频地址： https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q 视频中，机械臂在产线上对零件进行抓取、放置、定位，有的还涉及焊接、加工这样的动作。但重点在于末端执行器、工件、工作台之间的相对关系能不能在连续帧里保持稳定。 这对应的正是机器人真正需要学习的能力，包括看懂物体，靠近物体，作用于物体，然后预测物体状态的变化。 视频地址： https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q 一个是第一视角滑雪镜头，从雪坡向前冲下，雪雾、坡面、身体姿态都在快速变化；