MarkTechPost • 18일 전

앤트그룹, 피지컬 AI 'LingBot-VA 2.0' 공개

IMP

7/10

핵심 요약

앤트그룹의 자회사 로비앤트(Robbyant)는 단순한 비디오 생성 모델의 파인튜닝이 아닌, 처음부터 로봇의 물리적 구현(Embodiment)을 위해 설계된 'LingBot-VA 2.0'을 발표했습니다. 이 모델은 사전 추론(Foresight Reasoning)을 통해 미래 상태를 예측하고 실시간 관측 데이터를 바탕으로 초당 225Hz의 비동기 제어를 가능하게 하여 실무 로봇 공학 분야에서 높은 파급력을 기대하게 합니다.

번역된 본문

앤트그룹(Ant Group)의 로비앤트(Robbyant)가 LingBot-VA 2.0 기술 보고서를 공개했습니다. 이 모델은 기존 비디오 생성 모델을 파인튜닝한 것이 아니라, 처음부터 물리적 구현(Embodiment)을 위해 새롭게 구축된 피지컬 AI(Physical AI) 비디오-액션 기반 모델입니다. 사전 추론(Foresight Reasoning)을 통해 명령을 실행하기 앞서 미래 상태를 예측하고, 매 실제 관측값마다 다시 그라운딩(Re-grounding)을 수행하며 최대 225Hz의 비동기 제어를 달성했습니다. 본 보고서에서는 인과적 DiT(Causal DiT), 희소 전문가 모델(Sparse-MoE) 비디오 스트림, 의미론적 비주얼-액션 토크나이저(Semantic Visual-Action Tokenizer)의 구조와 함께, 논문에 제시된 수치들 간의 일치하지 않는 부분을 심층적으로 분석합니다.

'앤트그룹의 로비앤트, 피지컬 AI를 위해 자체 구축된 인과적 비디오-액션 모델 LingBot-VA 2.0 공개'라는 제목의 이 글은 MarkTechPost에 가장 먼저 게재되었습니다.

원문 보기

원문 보기 (영어)

Ant Group's Robbyant has released the LingBot-VA 2.0 technical report — a Physical AI video-action foundation model built from scratch for embodiment rather than fine-tuned from a video generator. It predicts future states ahead of execution through Foresight Reasoning, re-grounds on every real observation, and reaches 225 Hz asynchronous control. We break down the causal DiT, the sparse-MoE video stream, the semantic visual-action tokenizer, and where the paper's own numbers don't line up. The post Ant Group’s Robbyant Unveils LingBot-VA 2.0: A Causal Video-Action Model Built Natively for Physical AI appeared first on MarkTechPost.

피지컬 AI 로보틱스 비디오 액션 모델 앤트그룹 인과적 DiT