这个项目是 LingBot-Video，它是首个面向**具身智能（Embodied Intelligence）设计的开源大规模混合专家（MoE，Mixture-of-Experts）**视频生成模型。

该项目旨在弥合视频合成与物理世界理解之间的鸿沟，在 2026 年 7 月发布时，在 RBench 基准测试中处于行业领先地位。

核心亮点

  • 高效的 MoE 架构：采用混合专家架构，在容量与计算成本之间取得了极佳平衡，推理速度比传统模型提高了约 3 倍。
  • 具身智能导向：训练数据整合了超过 70,000 小时的具身数据，使其在处理机器人操作、多实体交互及物理逻辑方面表现出色。
  • 多重奖励系统：通过多重奖励机制优化模型，确保生成的视频既具有高审美价值，又符合物理规律，且能准确完成指定任务。
  • 完整的工作流：不仅提供生成模型，还配套了专门的**提示词重写器（Prompt Rewriter）和自动负面提示词（Auto Negative）**工具，以确保生成的视频质量。

可用的模型版本

模型名称说明主要用途
LingBot-Video-Dense13亿参数密集模型T2I (文生图), T2V (文生视频), TI2V (图生视频)
LingBot-Video-MoE30B-A3B MoE 模型高性能生成与精炼 (T2I, T2V, TI2V)
Rewriter-Base/Adapter基于 Qwen3.6-27B用于展开和优化用户的原始提示词

应用场景

该模型主要服务于需要高保真、物理逻辑严谨的视频生成的科研及开发人员，特别是在机器人仿真、具身智能行为模拟等领域。

项目资源

  • 开源协议：Apache 2.0
  • 技术论文：Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence (arXiv:2607.xxxxx)
  • 社区支持：该项目提供多种脚本，涵盖了从单机快速测试到多机高性能推理的各种场景。

主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。