Robbyant、LingBot-World 2.0で1時間連続の世界生成を実現

Ant Group傘下の体現型AI企業Robbyantが、LingBot-World 2.0（Infinity）をオープンソース化した。本生成型世界モデルは、720p 60フレーム/秒で1時間連続の動画生成に対応し、先代のLingBot-World 1.0（数分間の安定した世界生成のみ）から大幅な進展を示している。新モデルは、コンテンツの生成、ストリーミング、表示を同時実行するよう設計されており、遅延を削減し、環境展開に伴うリアルタイムユーザーインタラクションを実現している。

技術アーキテクチャは二重エージェント機構の中心に据えられている。Pilot Agentはキャラクター行動を計画・実行し、Director Agentは仮想世界進化に伴い新規イベントを動的に導入する。本システムは因果的事前学習と、Robbyant proprietary Mask of Bidirectional Attention（MoBA）メカニズムの組み合わせの上に構築されており、拡張AI生成シーケンス時に通常発生する視覚劣化を低減するために特設計されている。Robbyantによれば、内部ストレステストは1時間連続生成セッション全体を通じた視覚忠実度の安定性と顕著な品質低下の欠如を示した。

ユーザーはReactorプラットフォーム経由で環境とインタラクトし、キーボードを用いてリアルタイムでキャラクター移動と視点変更を制御する。拡張されたアクション集合には、攻撃、ジャンプ、滑空、呪文発動、矢の射出が含まれる。テキストプロンプトを通じて、ユーザーは天候変化、昼夜サイクル、新規エンティティの導入といった環境イベントをトリガーできる。注目される特徴として、複数ユーザーが永続的仮想環境を共有し、同一のAI生成世界内で協調インタラクションを可能にするサポートが挙げられる。

LingBot-World 2.0に併せて、Robbyantはロボティクス用オープンソース動画生成基盤モデルLingBot-Videoをオープンソース化した。これはMixture-of-Experts アーキテクチャに基づき、体現型AIを想定して開発された初のオープンソース動画生成基盤モデルである。本企業によれば、LingBot-Videoはロボティクス応用向けに設計され、推論効率、物理的現実性、行動理解、タスク完遂を改善している。AI生成動画モデルがコンテンツ作成を超えて実世界ロボティクスシステムへ向かう段階において、同製品は重要である。

LingBot-World 2.0は、AI生成環境を短編クリップから持続的でインタラクティブな空間へ拡張した技術的マイルストーンを示している。中核的な革新は、AI長編動画生成時の視覚劣化という周知の失敗モードに対抗するために開発された、proprietary Mask of Bidirectional Attention（MoBA）メカニズムに存在する。因果的事前学習とこの注意メカニズムを組み合わせることで、Robbyantは内部テストが確認する成果を達成した：1時間連続生成全体を通じた視覚忠実度の安定性と顕著な品質低下の欠如である。

二重エージェント設計（キャラクター行動担当Pilot Agent、動的イベント注入担当Director Agent）は、モデルを受動的な動画生成器から対話的なシステムへと変貌させた。ユーザーはもはや単に視聴するのではなく、キーボード入力とテキストプロンプトを通じて世界を形作り、天候変化、昼夜サイクル、新規エンティティを生起させる。永続環境内での複数ユーザー対応の追加は、孤立したシミュレーションから協調的仮想世界へのシフトをさらに示唆している。

Mixture-of-Experts アーキテクチャを基盤とし、ロボティクスを対象として同時にリリースされたオープンソース動画生成モデルLingBot-Videoは、Robbyantが体現型AI とロボティクスをプライマリユースケースとして位置付けていることを示唆している。ロボティクス向け動画生成はエンターテインメント向けコンテンツ生成と異なる—物理的現実性、行動理解、タスク完遂を捉える必要がある。このペアリングは、LingBot-World 2.0を単なるクリエイティブツールではなく、リアリスティック でインタラクティブな環境でのロボットシステムの学習とシミュレーション用インフラストラクチャとして位置付けている。

まだコメントがありません。最初のコメントを投稿しましょう！