LingBot-World 2.0 آپریشن میں

LingBot-World 2.0 چیونٹی لِنگبو ٹیکنالوجی کا اوپن سورس ریئل ٹائم انٹرایکٹو ورلڈ ماڈل ہے، جسے گیم کی طرح حقیقی وقت میں کھیلا جا سکتا ہے۔ گیم میں حرکت، حملہ، جادو، چھلانگ اور برف باری و بارش جیسے ماحولیاتی واقعات کی معاونت موجود ہے۔ یہ گھنٹوں تک مسلسل ایسے مناظر تخلیق کر سکتا ہے جو بگڑتے نہیں، جبکہ اعلیٰ درجے کے ہارڈویئر پر 720P/60FPS تک پہنچ سکتا ہے۔ فی الحال ماڈل کے 14B، 1.3B Small، Bidirectional اور Causal Pretrain سمیت چار ورژن اوپن سورس کیے گئے ہیں، جنہیں گیمز، مجسم ذہانت کے سیمولیشن اور انٹرایکٹو ڈیٹا جنریشن میں استعمال کیا جا سکتا ہے۔

ریئل ٹائم انٹرایکٹو دریافت: ماڈل 720P / 60FPS اور ایک سیکنڈ سے کم تاخیر کے ساتھ آزادانہ چلنے اور زاویۂ نظر بدلنے والی کھلی دنیا حقیقی وقت میں تخلیق کرتا ہے۔
متنوع کرداروں کی حرکات: حملہ، تیر اندازی، جادو، فائرنگ، چھلانگ اور گلائیڈنگ سمیت متعدد آپریشنز کی معاونت۔
ماحولیاتی واقعات کا ردِعمل: برف باری، بارش اور متن سے متحرک دیگر متحرک عالمی واقعات کا جواب دے سکتا ہے۔
گھنٹوں پر محیط طویل مدتی جنریشن: طویل گیم پلے کے دوران منظر مستقل رہتا ہے، بگڑتا یا خراب نہیں ہوتا۔
ایجنٹس کے ذریعے ذہین کنٹرول: اندرونی ”Player Agent + Director Agent“ بالترتیب کرداروں کے رویے کی منصوبہ بندی اور منظر کے عناصر کی ترکیب کے ذمہ دار ہیں۔
مشترکہ کثیر صارف دنیا: متعدد صارفین ایک ہی تخلیق کردہ دنیا میں بیک وقت شامل ہو کر منظر کی تشکیل میں تعاون کر سکتے ہیں۔
مجسم ذہانت کا سیمولیشن: گیم کی دنیا سے روبوٹ سیمولیشن، مستقبل کی حالت کی پیش گوئی اور انٹرایکٹو ڈیٹا جنریشن تک توسیع۔
ہلکی پھلکی مقامی تنصیب: 1.3B Small ورژن صارفین کے درجے کے سنگل کارڈ GPU پر حقیقی وقت میں چل سکتا ہے۔

علّی پری ٹریننگ کا طریقہ: احتیاط سے ڈیزائن کردہ Causal Pretrain کے ذریعے انٹرایکشن کے دورانیے کی لامحدود توسیع حاصل کی جاتی ہے، جبکہ آؤٹ پٹ کا معیار طویل مدت تک مستقل رہتا ہے۔ یہی طویل مدتی عدمِ انحراف کی بنیادی وجہ ہے۔
ریئل ٹائم ڈسٹلیشن: بنیادی ماڈل سے ریئل ٹائم ورژن اخذ کیا جاتا ہے، جس میں Bidirectional ماڈل اعلیٰ معیار کے ڈسٹلیشن ماخذ کے طور پر کام کرتا ہے، تاکہ استدلال کی رفتار 720P/60FPS ویڈیو اسٹریم چلانے کے لیے کافی ہو۔
ایکشن کنڈیشنڈ بصری حرکیات: فرسٹ پرسن، مصنوعی اور ویب سے حاصل کردہ وسیع ویڈیوز سے ”ایکشن-منظر“ مشروط حرکیات سیکھی جاتی ہیں، تاکہ ماڈل آپریشنز اور واقعات کو بصری تبدیلیوں میں درست طور پر تبدیل کر سکے۔
دوہری ایجنٹ ساخت: پہلی Agentic Harness، جس میں Pilot Agent کرداروں کے رویوں کی منصوبہ بندی اور عمل درآمد کرتا ہے، جبکہ Director Agent منظر کے آگے بڑھنے کے ساتھ ماحول کے نئے عناصر تخلیق کرتا ہے۔ اس طرح ایجنٹ کنٹرول اور صارف کی مداخلت کو یکجا کیا جاتا ہے۔
بڑے اور چھوٹے ماڈلز کا اشتراک: 14B بنیادی ماڈل کے ساتھ 1.3B ہلکا ماڈل استعمال کیا جاتا ہے، جس سے کارکردگی اور سنگل کارڈ پر تنصیب دونوں میں توازن قائم رہتا ہے اور تحقیق کو دوبارہ پیش کرنے کی دشواری کم ہوتی ہے۔

لامحدود انٹرایکٹو دورانیہ: علّی پری ٹریننگ کے طریقے سے ماڈل گھنٹوں تک مسلسل مناظر تخلیق کر سکتا ہے، جبکہ تصویر طویل مدت تک نہیں بگڑتی، یوں روایتی ویڈیو ماڈلز کی دورانیے کی حد ختم ہوتی ہے۔
ریئل ٹائم ہموار تجربہ: ڈسٹل کیا گیا ریئل ٹائم ورژن 720P / 60FPS اور ایک سیکنڈ سے کم تاخیر فراہم کرتا ہے، جس سے واقعی قابلِ کھیل انٹرایکشن ممکن ہوتا ہے۔
متعدد انٹرایکٹو عناصر: حملہ، تیر اندازی، جادو اور فائرنگ جیسی مختلف حرکات کے ساتھ متن سے متحرک بارش و برف باری جیسے ماحولیاتی واقعات بھی شامل ہیں، جس سے تعامل کے امکانات نمایاں طور پر بڑھ جاتے ہیں۔
اولین دوہری ایجنٹ ساخت: Pilot Agent کرداروں کے رویے کی منصوبہ بندی کرتا ہے، جبکہ Director Agent منظر کے متحرک عناصر تخلیق کرتا ہے؛ ایجنٹ کنٹرول اور صارف کی مداخلت ساتھ ساتھ کام کرتے ہیں۔
کثیر صارف تعاون اور اشتراک: متعدد صارفین بیک وقت ایک ہی تخلیق کردہ دنیا میں داخل ہو سکتے ہیں؛ ایک شخص کھیل سکتا ہے اور دوسرا ہدایت دے سکتا ہے، جس سے روایتی سنگل پلیئر جنریشن ماڈل تبدیل ہوتا ہے۔
کم تنصیبی رکاوٹ: 1.3B Small ورژن کو حقیقی وقت میں چلانے کے لیے صرف صارفین کے درجے کا سنگل کارڈ GPU درکار ہے، اس لیے انفرادی ڈویلپرز بھی اسے مقامی طور پر دوبارہ تیار کر سکتے ہیں۔

انتہائی طویل دورانیہ: علّی پری ٹریننگ گھنٹوں تک مسلسل جنریشن کی معاونت کرتی ہے اور منظر طویل مدت تک نہیں بگڑتا۔
ریئل ٹائم قابلِ کھیل: ڈسٹل کیا گیا ریئل ٹائم ورژن 720P/60FPS اور ایک سیکنڈ سے کم انٹرایکٹو تاخیر فراہم کرتا ہے۔
متنوع انٹرایکشن: حملہ، تیر اندازی، جادو اور فائرنگ جیسی حرکات اور متن سے متحرک ماحولیاتی واقعات شامل ہیں۔
دوہری Agent ساخت: Pilot Agent کرداروں کے رویے کی منصوبہ بندی کرتا ہے، جبکہ Director Agent منظر کو متحرک طور پر تخلیق کرتا ہے۔
کثیر صارف تعاون: متعدد صارفین ایک ہی تخلیق کردہ دنیا کا اشتراک کر سکتے ہیں؛ ایک کھیلتا ہے اور دوسرا ہدایت دیتا ہے۔
کم رکاوٹ والی تنصیب: 1.3B Small ورژن صارفین کے درجے کے سنگل کارڈ GPU پر مقامی طور پر حقیقی وقت میں چل سکتا ہے۔
متنوع منظرنامے: گیم کی دنیا سے روبوٹ سیمولیشن، مستقبل کی پیش گوئی اور انٹرایکٹو ڈیٹا جنریشن تک توسیع۔

پروجیکٹ کی آفیشل ویب سائٹ：https://technology.robbyant.com/lingbot-world-v2
GitHub ریپوزٹری：https://github.com/robbyant/lingbot-world-v2
HuggingFace ماڈل ریپوزٹری：https://huggingface.co/robbyant/lingbot-world-v2-14b-causal-fast
arXiv تکنیکی مقالہ：https://arxiv.org/pdf/2607.07534

AI گیم ڈویلپمنٹ: ریئل ٹائم جنریٹو گیم انجن کے طور پر کھلاڑی کے آپریشنز کی بنیاد پر لیولز، مناظر اور واقعات متحرک طور پر تخلیق کرتا ہے، جس سے 3A درجے کے مواد کی تیاری کی لاگت کم ہوتی ہے۔
فلم، ٹی وی اور ورچوئل شوٹنگ کی پیشگی تیاری: ہدایت کار متنی ہدایات کے ذریعے حقیقی وقت میں ورچوئل مناظر بنا کر ان میں گھوم سکتا ہے، شاٹس اور ماحول کا تیزی سے پیش نظارہ کر سکتا ہے، اور ابتدائی سیٹ ڈیزائن و اسکرپٹ ترمیم کا دورانیہ نمایاں طور پر کم کر سکتا ہے۔
مجسم ذہانت کا تربیتی میدان: روبوٹس کے لیے اعلیٰ حقیقت پسندانہ اور قابلِ تعامل سیمولیشن ماحول فراہم کرتا ہے، جس میں ادراک، فیصلہ سازی اور طویل مدتی تعامل کی صلاحیتوں کی تربیت کی جا سکتی ہے، جبکہ حقیقی مشین پر آزمائش کی لاگت کم ہوتی ہے۔
VR/AR اور ڈیجیٹل ثقافتی سیاحت: لامحدود طور پر قابلِ دریافت عمیق ورچوئل جگہیں تخلیق کرتا ہے، جنہیں ورچوئل نمائشوں، ثقافتی سیاحتی رہنمائی اور متعدد صارفین کے باہمی تعاون پر مبنی میٹاورس تجربات میں استعمال کیا جا سکتا ہے۔
انٹرایکٹو تعلیم و تربیت: قابلِ عمل ورچوئل تجربہ گاہیں، ہنگامی مشقیں اور تاریخی مناظر تشکیل دیتا ہے، جہاں سیکھنے والے ”قابلِ کھیل دنیا“ میں ویڈیو دیکھنے کے مقابلے میں زیادہ گہری عمیق تربیت حاصل کرتے ہیں۔