MoWorld - Mochip Technologyが発表した世界初の高フレームレートインタラクティブワールドモデル

MoWorldとは何ですか？

Mochip Technologyが発表したMoWorldは、世界初の高フレームレートインタラクティブワールドモデルです。完全に最適化された国産Huawei Ascend NPUスタックをベースとし、GPUよりも70%低いコストで最大50FPSのリアルタイム推論を実現します。このモデルは、高精度なカメラ軌道制御と4D空間認識をサポートし、都市、屋内、運転シーンなど、長期にわたり空間的に一貫性のある大規模シーン動画を生成します。MoWorldは、映画やテレビのプリビジュアライゼーション、リアルタイムクラウドゲーム、具現化シミュレーション、自動運転、3Dシーン再構築などに適しています。

MoWorldの主な機能

• 高フレームレートのリアルタイムインタラクション最大50FPSのリアルタイム推論をサポートし、ワールドモデルを非リアルタイム生成からリアルタイムインタラクションの時代へと導きます。
• 4Dワールドモデリングこのモデルは、高精度なカメラ軌跡と空間幾何学的情報を統合することで、空間認識能力を備えた4次元動的世界シミュレーションを実現します。
• 長期的な空間的一貫性都市、高速道路、砂漠などの大規模な鳥瞰図シーンにおいて、建物の配置、道路の向き、遠景のディテールの安定性を維持し、交差する視点間の幾何学的関係がずれないようにする。
• カメラ・ストーリー共同制御このシステムは、監督レベルでのカメラワークと物語展開の協調制御をサポートし、生成されたビデオは3DGSシーンの再構築や映画・テレビのプリビジュアライゼーションプロセスに直接使用できます。
• 低コストの国内展開Huawei Ascend NPUのフルスタックネイティブ最適化に基づき、推論コストはGPUと比較して70%削減され、国内のコンピューティング能力が大規模な世界モデルのリアルタイム展開をサポートできることを初めて証明しました。
• マルチシナリオ一般化生成トレーニングデータは現実世界と仮想世界の両方を網羅しており、データの豊富さと分野横断的な汎化能力のバランスが取れている。

MoWorldの技術原則

• データエンジン現実世界と仮想世界の両方を対象とし、3D幾何学的整合性、軌道精度、マルチビュー安定性など、多次元的な品質スクリーニングを通じて高品質なトレーニングアセットを構築します。
• 事前トレーニング: 超高密度アテンション並列処理 + 入力トークン並列処理により、最大 2 分でベースモデルのトレーニングをサポートします。
• 蒸留最適化自己回帰型生徒モデルは、リアルタイム推論の4ステップに圧縮され、グローバルアンカーポイントとカメラの安定性を保証するメモリ機構が導入されています。これにより、教師軌跡のサンプリング初期化が省略され、蒸留コストが大幅に削減されます。
• リアルタイム推論3層構造の協調最適化：パイプライン層（条件付きコーディング再利用、オンデマンドモジュールロード）、並列層（マルチNPUリング通信、階層的シーケンス並列処理）、およびオペレータ層（混合精度動的量子化、HBM高効率アテンションフロントエンド）。

MoWorldの使い方

MoWorldは現在リリース初期段階にあり、重み付けデータ、コード、オンラインサービスは近日中に利用可能になる予定です。

MoWorldの主な利点

• 世界初のフラッシュワールドモデルこれは、超高フレームレートのインタラクティブな世界モデルという概念を先駆的に導入し、最大50 FPSのリアルタイム推論を実現することで、世界モデルを非リアルタイム生成からリアルタイムインタラクションの時代へと導いた。
• 完全に国内生産のNPUフルスタックネイティブこの成果は、ファーウェイのAscend NPU上で、事前学習、自己回帰蒸留からリアルタイム推論に至るまでの完全な技術チェーンが初めて確立されたことを意味し、国内のコンピューティング能力が大規模な世界モデルの学習と展開を独立してサポートできることを証明した。
• 推論コストが70%削減されましたNPUによる徹底的な最適化により、GPUと比較して導入コストが大幅に削減され、高フレームレートの世界モデルが初めて大規模導入において経済的に実現可能となった。
• 効果を犠牲にすることなく低コストを実現14BパラメータのMoEアーキテクチャは、画質、空間的な一貫性、時間的な安定性において業界トップクラスの性能を実現し、大規模な鳥瞰図シーンにおいても、建物、道路、遠景の正確な構造を維持します。
• 長期的な空間的一貫性グローバルアンカーポイントとカメラ安定化メモリ機構を導入することで、高高度からの急降下や急上昇といった大規模なカメラ移動時でも、クロスビューの幾何学的関係が安定し、ずれが生じない。
• カメラ・ストーリー共同制御この技術は、正確なカメラ軌道と物語上の出来事の調整をサポートし、生成されたビデオから直接3DGSシーンを再構築できるため、映画やテレビのプレビジュアライゼーション、具現化シミュレーション、デジタルツインといった用途のクローズドループアプリケーションを実現します。

MoWorldのプロジェクトアドレス

• プロジェクト公式サイト：https://moxin-tech.github.io/moworld/
• 技術論文：https://moxin-tech.github.io/moworld/MoWorld.pdf

MoWorldの競合製品比較

MoWorld アプリケーションシナリオ

• 映画制作とプリビジュアライゼーション制作者はキャラクターの動きやカメラワークに集中できるため、背景のずれ、視点の急激な変化、シーンの一貫性の欠如といった問題を大幅に軽減できる。
• リアルタイムのクラウドゲームとインタラクティブコンテンツユーザーは、継続的なカメラ制御を通じて、生成された仮想世界をリアルタイムで探索できます。これにより、低遅延のローミング、レンズ制御、没入型のインタラクティブ体験が可能になります。
• 屋内シーンの再構築とデジタルツインMoWorldで生成された動画は、屋内シーンの3D再構築に使用され、高いターゲットディテール、安定した再構築、優れた空間的一貫性を実現します。デジタルシーンアセットは直接出力可能です。
• エンボス加工されたインテリジェントシミュレーション高フレームレートのFlash World Modelは、ロボットシステムがこれまでにない速度で周囲の環境を認識し、意思決定を行うことを可能にし、身体化された知能のためのリアルタイムの物理的相互作用シミュレーション環境を提供する。
• 自動運転のトレーニングと検証リアルタイムで多様な走行シナリオ（都市部、高速道路、砂漠など）を生成することで、動的で大規模な環境における自動運転アルゴリズムの迅速な反復開発と安全性の検証を支援する。