LingBot-Videoは、身体化された知能のためのオープンソースの動画生成モデルであり、Ant Groupにとって重要なツールです。

Antminer Lingbo Technologyは、MoEアーキテクチャに基づき、身体化された知能を目指した世界初の動画生成モデルであるLingBot-Videoをオープンソース化しました。このモデルは合計30バイトのパラメータを持ち、推論時にアクティブになるのは約3バイトのみであるため、同等のDenseアーキテクチャと比較して3倍の効率を実現しています。開発チームは7万時間分の身体化されたデータセットを構築し、物理的な妥当性とタスク完了率を高めるために、多次元強化学習報酬システムを導入しました。