螞蟻靈波科技近日宣布，其自主研發的世界模型LingBot-World正式開源，并同步發布技術報告。這一專為交互式場景設計的開源框架，通過高保真模擬環境與實時交互能力，為具身智能領域提供了新的技術路徑。其核心模塊LingBot-World-Base能夠生成邏輯連貫的虛擬場景，在視頻質量、動態表現及長時序一致性等關鍵指標上達到行業領先水平，部分性能已接近谷歌Genie 3的水準。
針對視頻生成領域長期存在的“長時漂移”難題，LingBot-World通過多階段訓練架構與并行化加速技術，實現了近10分鐘的穩定輸出。在極端測試中，即使鏡頭移開60秒后返回，場景中的車輛、建筑等物體仍能保持結構完整，動態環境下的物體形態一致性表現尤為突出。該模型支持16幀/秒的實時生成吞吐量，端到端交互延遲控制在1秒以內，用戶可通過鍵盤、鼠標或文本指令即時操控虛擬角色與場景元素，例如調整天氣、切換畫面風格或觸發特定事件，所有操作均能在維持場景幾何關系穩定的前提下完成。
為解決交互數據稀缺問題，研發團隊采用混合采集策略：一方面從海量網絡視頻中篩選多樣化場景，另一方面通過游戲引擎與虛幻引擎（UE）合成管線，直接提取無界面干擾的純凈畫面數據，并同步記錄操作指令與相機參數。這種數據構建方式使模型具備強大的零樣本泛化能力——僅需輸入單張城市街景照片或游戲截圖，即可生成對應的可交互視頻流，無需針對特定場景重新訓練，顯著降低了部署成本。
在具身智能應用層面，LingBot-World通過數字世界模擬物理規律，為智能體提供了低成本、高保真的訓練環境。其支持光照變化、物體位置調整等場景多樣化生成功能，可有效提升算法在真實環境中的適應能力。例如，模型能模擬機器人穿越復雜城市街景的過程，通過動態調整場景參數訓練其路徑規劃與障礙物規避能力。這種“想象物理世界”的能力，為解決真實場景中長程任務訓練數據稀缺的問題提供了創新方案。
此次開源的LingBot-World框架包含完整代碼庫與預訓練模型，開發者可通過Hugging Face、魔搭社區及GitHub獲取資源。技術報告詳細披露了模型架構設計與實驗數據，為社區研究者提供了可復現的技術基準。隨著該模型的廣泛應用，世界模型有望成為連接生成式AI與實體交互的關鍵紐帶，推動具身智能從封閉場景訓練向開放環境適應的范式轉變。
