开源视频世界模型LingBot-Video

Savings-Display5123 · reddit · 2026-07-09

LingBot-Video 是一个开源视频扩散 Transformer,采用稀疏 MoE 结构,总参数 13B、激活 1.4B,并加入了动作条件的世界模型能力。它还进行了多轮奖励强化学习训练,加入物理可行性奖励,支持根据动作和手部姿态预测机器人 rollout。

所属事件:蚂蚁开源具身视频模型 LingBot-Video(26 条相关)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →