Robbyant выпустила LingBot-World-Infinity — каузальную модель для интерактивных миров
Робот-подразделение Ant Group выпустило LingBot-World-Infinity — каузальную видеомодель на 14 миллиардах параметров. Модель генерирует видео в реальном времени (720p, 60fps) и реагирует на команды: текстовые подсказки, движения камеры, боевые действия, заклинания. Облегчённая версия (1,3B параметров) работает на одном GPU. Главное: двухагентный режим где Director-VLM управляет семантикой, а Pilot-Transformer симулирует физику.
معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
في 9 يوليو 2026، قدّمت روبيانت، وهي قسم من Ant Group، LingBot-World-Infinity — نموذج فيديو سببي يحتوي على 14 مليار معامل يعمل كمحاكِي عوالم تفاعلي. الميزة الرئيسية: ينتج النموذج الفيديو في الوقت الفعلي (720p، 60 إطار في الثانية) ويستجيب لأوامر المستخدم.
ما هذا ولماذا يكون مهماً
LingBot-World-Infinity (الإصدار 2.0 من سلسلة LingBot-World) — نموذج فيديو تفاعلي يتنبأ بإطارات الفيديو المستقبلية بناءً على أفعال المستخدم. يقوم النموذج بمعالجة الأوامر النصية وموضع الكاميرا الافتراضية والإجراءات الفيزيائية للشخصية في الوقت ذاته: الإطلاق والتعاويذ والهجمات والرماية.
هذا يحل مشكلتين كلاسيكيتين لنماذج الفيديو: انجراف الجودة في مقاطع الفيديو الطويلة (تتلاشى الأنسجة وتتشوه الهندسة) وتأخر الاستجابة (لا يستطيع النموذج الاستجابة في الوقت الفعلي).
- النسخة الرئيسية: 14 مليار معامل
- النسخة الخفيفة: 1.3 مليار معامل، تعمل على وحدة معالجة رسومات واحدة
- الأداء: فيديو 720p، 60 إطار في الثانية
- التفاعل: نمطان — الأوامر الدلالية المباشرة وتتبع الأجسام عبر SAM
كيفية حل الانجراف: عمارة MoBA
جوهر التكنولوجيا هو الانتباه من نوع MoBA (Mixture of Bidirectional and Autoregressive). المشكلة مع نماذج الانحدار الذاتي القياسية: عندما ينمو السياق، يبدأ النموذج بالاعتماد عليه بدلاً من التنبؤ بإطارات جديدة، مما يسبب تدهور الجودة وتشويش الصورة.
يضيف MoBA كتلة انتباه ثنائية الاتجاه كمنظِّم. يساعد هذا النموذج على التنبؤ بالمستقبل بالاعتماد على جميع المعلومات المتاحة، وليس فقط على السياق الأقرب.
المكون الثاني هو التدريب على مرحلتين مع تقطير التوزيع (DMD). أولاً، يتم تدريب النموذج على توليد التدفق الشرطي، ثم يتم ضغط المعلم متعدد المراحل في نسخة سريعة. النقطة الحرجة: يتم تطبيق تحسين التقطير على مسارات طويلة من تنبؤات النموذج الخاصة به، وليس فقط على أمثلة المعلم. هذا يفرض على الطالب التحسين على نفس توزيع الحالات التي ينتجها، مما يمنع الانجراف.
الوضع التفاعلي: المدير والطيار
يعمل LingBot-World-Infinity ضمن Director-Pilot Co-Simulation Framework — نظام من عاملين متفاعلين. المدير هو نموذج فيديو-اللغة (VLM) الذي يفهم الدلالات والسببية ويتخذ القرارات. الطيار هو Diffusion Transformer الذي يحاكي الفيزياء ويعرض إطارات الفيديو.
يدعم النظام نمطي تفاعل. في وضع Direct Semantic Interaction، يقرأ VLM الإطار الحالي ويولد الأحداث دون الحاجة إلى أقنعة الأجسام. في وضع Tracking-Assisted Object Interaction، يتتبع نموذج SAM (Segment Anything Model) الأجسام المهمة، يختار المستخدم جسماً وينشئ إجراءً (على سبيل المثال، فتح باب أو تدوير كرة).
بالإضافة إلى ذلك، يمكن للمستخدمين استخدام الأوامر النصية لتغيير الحالة الشاملة للمشهد (وقت اليوم والطقس) وإضافة أجسام. يختار VLM تلقائياً المواضع الدلالية الملائمة لظهورها.
ماذا يعني هذا
يوضح LingBot-World-Infinity أن محاكاة الفيديو التفاعلية تنتقل من مختبرات البحث إلى أدوات عملية. تكون مثل هذه الأنظمة مفيدة لتطوير محركات الألعاب والتدريب على الروبوتات من خلال المحاكاة وتصميم واجهات المستخدم. تجعل الأداء المتزايدة في الوقت الفعلي من الممكن استخدامها في التطبيقات الصناعية.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.