LingBot-Video: sparse-MoE 비디오 확산 트랜스포머 (총 13B, 활성 1.4B) 액션 조건부 월드 모델로 사후 학습

요약

LingBot-Video는 DeepSeek-V3 스타일의 희소 MoE 구조를 가진 단일 스트림 확산 트랜스포머입니다. 물리적 개연성 보상을 포함한 RL 사후 학습을 통해 액션 및 손 포즈 조건부 월드 모델로 기능합니다. 이 모델은 로봇 롤아웃 예측과 비디오 생성을 결합하여 높은 성능을 보여주었습니다.

핵심 포인트

• 희소 MoE 구조(13B, 활성 1.4B)를 가진 확산 트랜스포머 기반입니다.
• 물리적 개연성 보상을 포함한 RL 사후 학습이 적용되었습니다.
• 액션-투-비디오 모드를 통해 로봇의 롤아웃 예측을 수행합니다.
• VLM 평가 및 폐쇄 루프 없이 비디오 프레임 품질로만 결과를 제시합니다.