<figure><img src="https://res.cloudinary.com/dcsny9dt4/image/upload/v1779305807/Slide_4_3_-_3_v0jsoi.png"></figure>
<p>В экосистеме инструментов для робототехники появился <b>LingBot-Video</b> — генератор видео, который не просто создает анимации, а учитывает физические законы и особенности материалов. Модель ориентирована на задачи, где важно не только изображение, но и реалистичное поведение объектов в пространстве.</p>
<video><source src="https://rss.neurootlichnik.ru/images/7114676b-9018-4a03-a05b-3234b93a8121/video_0.mp4" type="video/mp4"/></video>
<p>LingBot-Video поддерживает несколько режимов генерации: <b>t2v</b> (текст-видео), <b>i2v</b> (изображение-видео) и <b>ti2v</b> (текст+изображение-видео). Это позволяет моделировать сценарии для самых разных задач — от прогнозирования движения до создания обучающих роликов для роботов.</p>
<p>Модель умеет:</p>
<ul>
<li>Генерировать видео в открытых мирах с прогнозом траекторий движения</li>
<li>Моделировать поведение <b>роботов</b>, гуманоидов, четвероногих и мобильных платформ</li>
<li>Воспроизводить свойства материалов, освещение и отражения</li>
<li>Имитировать реалистичные движения</li>
</ul>
<p>Доступны две версии: компактная Dense (1.3B) и более мощная MoE (30B-A3B). Обе версии показывают высокие результаты в <b>RBench Leaderboard</b> по всем ключевым метрикам.</p>
<p>Практическое применение LingBot-Video — это, прежде всего, генерация обучающих видео и тестовых сценариев для роботов. Такой подход позволяет быстрее и точнее проверять алгоритмы управления и взаимодействия с окружающей средой.</p>
<p>Исходный код и демо доступны на GitHub и Hugging Face.</p>
Нейро Отличник
www.neurootlichnik.ru