开源具身视频模型LingBot-Video
HeyNayeem · x · 2026-07-12
Robbyant 开源了 LingBot-Video，作者强调它不是面向通用视频生成，而是专门为具身智能设计的“机器人脑”底座。
核心内容包括：
- 用于动作条件生成/rollout 的评测表明，它并不只是记忆训练轨迹，而是在未见过的数据上也能工作。
- 后训练阶段使用 6 种奖励信号，不只是审美分数，还包括视觉质量、图文对齐、动态程度、运动一致性、人类动作一致性，以及专门的物理可行性信号。
- 数据层面，除了互联网视频，还叠加了 7 万小时以上的具身数据，覆盖机器人操作、导航和第一视角内容，并按 192p → 1080p 的 5 阶段课程训练。
- 架构上是 稀疏 MoE：总参数 30B、每步只激活 3B；作者还提到在 1M token 序列上，吞吐能达到同规模 Dense 30B 的约 3 倍。
- 评测上，RBench 平均分 0.620，在表格中领先开源和闭源基线；作者还指出闭源 Wan 2.6 在空间、单臂和双臂任务上仍然更强，但整体并非全面碾压。
所属事件:具身智能视频模型LingBot-Video宣布开源(4 条相关)→
「具身」频道最新
- Bedrock Robotics 融资 6 亿美元,改装挖掘机已在商业工地全自动驾驶接单 — Sethwinterroth · 2026-10-27
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27