LingBot-World 2.0 運営中

LingBot-World 2.0は、蚂蚁灵波科技がオープンソースで公開するリアルタイムインタラクティブ・ワールドモデルで、ゲームのようにリアルタイムでプレイできます。移動、攻撃、詠唱、ジャンプなどの操作や、雨・雪などの環境イベントに対応し、ハイエンド環境では720P/60FPSで、数時間にわたって映像を破綻なく連続生成できます。現在、14B版に加えて1.3B Small、Bidirectional、Causal Pretrainの4バージョンが公開されており、ゲーム、具身知能シミュレーション、インタラクションデータ生成などに利用できます。

リアルタイムインタラクティブ探索：720P / 60FPS、1秒未満の遅延で、自由に歩行や視点変更ができるオープンワールドをリアルタイム生成します。
多彩なキャラクター動作：攻撃、弓矢、詠唱、射撃、ジャンプ、滑空など、豊富な操作に対応します。
環境イベント駆動：テキストで指定した雪や雨などの動的なワールドイベントに反応します。
数時間にわたる長時間生成：長時間プレイしても映像の一貫性を維持し、ドリフトや破綻を抑えます。
エージェントによる協調操作：プレイヤーAgentとディレクターAgentを内蔵し、それぞれキャラクターの行動計画とシーン要素の合成を担います。
共有ワールドでのマルチプレイ：複数人が同じ生成ワールドに同時に没入し、協力してシーンを作り上げられます。
具身知能シミュレーション：ゲームワールドからロボットシミュレーション、未来状態予測、インタラクションデータ生成へと応用できます。
軽量なローカル展開：1.3B Small版は、コンシューマー向け単一GPU上でリアルタイムに動作します。

因果事前学習パラダイム：綿密に設計された因果事前学習（Causal Pretrain）により、インタラクション時間に上限のない生成を実現しながら、出力品質の長期的な一貫性を維持します。これが長時間のドリフトを防ぐ中核技術です。
リアルタイム蒸留：基盤モデルからリアルタイム版を蒸留します（Bidirectionalモデルを高品質な蒸留元として使用）。これにより、720P/60FPSの映像ストリームを駆動できる推論速度を確保します。
アクション条件付き視覚ダイナミクス：一人称視点、合成映像、ウェブ上の大規模動画から「アクションと映像」の条件付きダイナミクスを学習し、操作やイベントを視覚的な変化として忠実に反映します。
デュアルエージェント構成：独自のAgentic Harnessを採用。Pilot Agentがキャラクターの行動を計画・実行し、Director Agentがシーンの進行に合わせて新たな環境要素を合成します。エージェントによる駆動とユーザーの介入を組み合わせられます。
大小モデルの協調：14Bのメインモデルと1.3Bの軽量モデルを組み合わせ、性能と単一GPUでの展開性を両立し、研究再現のハードルを下げます。

無制限のインタラクション時間：因果事前学習パラダイムにより、数時間にわたる連続生成と長期的にドリフトしない映像を実現し、従来の動画モデルの時間制限を突破します。
リアルタイムで滑らかな体験：蒸留されたリアルタイム版は720P / 60FPS、1秒未満の遅延に対応し、実際に「プレイできる」水準のインタラクションを実現します。
豊富なインタラクション要素：攻撃、弓矢、詠唱、射撃など多様な動作に加え、テキストで指定する雨や雪などの環境イベントにも対応し、インタラクションの幅を大きく広げます。
独自のデュアルエージェント構成：Pilot Agentがキャラクターの行動を計画し、Director Agentが動的にシーン要素を合成します。エージェントによる駆動とユーザーの介入を並行して行えます。
マルチユーザー協調共有：複数のユーザーが同じ生成ワールドに同時に入り、一人がプレイし、もう一人がディレクションできます。従来のシングルプレイ生成モデルを変革します。
低い導入ハードル：1.3B Small版はコンシューマー向け単一GPUだけでリアルタイムに動作し、個人開発者もローカルで再現できます。

超長時間生成：因果事前学習により、数時間にわたる連続生成と長期的にドリフトしない映像を実現します。
リアルタイムでプレイ可能：蒸留されたリアルタイム版により、720P/60FPS、1秒未満のインタラクション遅延を実現します。
豊富なインタラクション：攻撃、弓矢、詠唱、射撃などの動作や、テキストで指定する環境イベントに対応します。
デュアルAgent構成：Pilot Agentがキャラクターの行動を計画し、Director Agentがシーンを動的に合成します。
マルチユーザー協調：複数ユーザーが同じ生成ワールドを共有し、一人がプレイし、もう一人がディレクションできます。
低ハードルな展開：1.3B Small版はコンシューマー向け単一GPUでローカルにリアルタイム動作します。
多様なシーン：ゲームワールドからロボットシミュレーション、未来予測、インタラクションデータ生成まで応用できます。

プロジェクト公式サイト：https://technology.robbyant.com/lingbot-world-v2
GitHubリポジトリ：https://github.com/robbyant/lingbot-world-v2
HuggingFaceモデル： https://huggingface.co/robbyant/lingbot-world-v2-14b-causal-fast
arXiv技術論文：https://arxiv.org/pdf/2607.07534

AIゲーム開発：リアルタイム生成ゲームエンジンとして、プレイヤーの操作に応じてステージ、シーン、イベントを動的に生成し、AAA級コンテンツの制作コストを削減します。
映像制作とバーチャル撮影のプリビズ：監督がテキスト指示でリアルタイムに仮想シーンを構築・探索し、ショットや雰囲気を素早く確認できます。これにより、事前のセット制作や修正にかかる期間を大幅に短縮します。
具身知能の訓練環境：ロボットに高精度でインタラクティブなシミュレーション環境を提供し、認識、意思決定、長時間インタラクションの能力を訓練します。実機での試行錯誤コストも削減できます。
VR/ARとデジタル観光：無限に探索できる没入型の仮想空間を生成し、バーチャル展示、観光ガイド、複数人で協働するメタバース体験に活用できます。
インタラクティブ教育と研修：操作可能な仮想実験、緊急対応訓練、歴史シーンを構築し、学習者は「プレイできる世界」の中で、動画視聴より深い没入型訓練を受けられます。