7月9日消息，蚂蚁灵波科技宣布开源LingBot-Video，这是全球首个基于Mixture-of-Experts（MoE）架构、面向具身智能的开源视频生成基础模型，可用于机器人动作预测、仿真数据生成、动作条件建模、世界模型研究等方向。

来源：蚂蚁灵波科技官微

过去几年，视频生成模型在画质、流畅度和创意表达上取得了快速进步。但对于具身智能来说，一个看起来逼真、动作流畅的视频，未必能反映真实的物理规律，往往难以支撑机器人连续预测、规划和执行任务。与此同时，具身智能还要求模型具备更高的推理效率，以适应实时交互和控制闭环。

这也让视频生成开始出现两种不同的演进方向：一条通向影院，服务于内容创作；另一条通向机器人，服务于物理世界的理解、预测与交互。LingBot-Video正是面向具身智能开辟视频生成新路线的重要探索——围绕具身智能的核心需求，重新设计视频预训练范式，在推理效率、物理合理性、动作理解和任务完成度等方面实现系统性提升。

测试结果显示，在面向机器人操作视频的综合评测基准RBench上，LingBot-Video在生成机器人相关视频时，更能保持动作过程的合理性和任务执行的完整性。此外，在面向物理现象生成与预测的Physics-IQ Verified评测中，LingBot-Video同样排名第一。

特别声明：以上文章内容仅代表作者观点，不代表本站观点或立场。如有关于作品内容、版权或其它问题请于作品发表后与我们联系。