7月9日蚂蚁灵波正式开源全球首个基于MoE架构的具身智能视频生成基础模型LingBot-Video。该模型围绕机器人核心需求重构预训练范式，在物理合理性、动作理解等维度实现系统性提升，在北大与字节跳动联合发布的RBench具身评测基准中得分0.620，超越Wan2.6等多款主流模型，为具身智能产业提供全新开源底座。
在具身智能产业高速发展的当下，训练数据短缺、尤其是符合真实物理规则的机器人操作视频数据不足，已经成为制约行业落地的核心瓶颈之一。过往面向C端内容创作的视频生成模型，普遍存在物理逻辑混乱、动作轨迹失真等问题，完全无法适配机器人训练的核心需求，行业亟需专门面向具身场景优化的视频基础模型。
此次发布的LingBot-Video，是全球首个采用Mixture-of-Experts（MoE）混合专家架构、完全针对具身智能场景设计的视频基模。和传统视频生成模型不同，其从预训练阶段就围绕机器人操作的核心需求做了针对性优化，没有沿用面向内容创作的训练目标，而是把物理规则一致性、动作链路合理性、任务完成度作为核心训练指标，同时大幅提升了模型的推理效率。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号