多様な相互作用を備えた無限の世界

要旨

我々は、LingBot-World 2.0（LingBot-World-Infinityとしても知られる）を提案する。これはLingBot-Worldの高度な改良版であり、4つの明確なアップグレードを特徴とする。（1）本モデルは、注意深く設計された因果的事前学習パラダイムの恩恵を受け、出力品質を一定に保ちながら、無限の対話ホライズンを実現する。（2）ベースモデルからリアルタイム変種を蒸留することで、本システムは高速な応答時間を保証し、60fpsでの720p映像ストリーム駆動を可能にする。（3）以前のバージョンと比較して、本アップデートは多様性に富んだインタラクティブ要素を導入し、より幅広いアクション（例：攻撃、弓術、魔法詠唱、射撃）と、より豊富なテキスト駆動イベントを包含する。（4）我々は、世界モデリングの領域におけるエージェント的ハーネスの統合を先駆けて行う。ここで、パイロットエージェントはキャラクターの行動を計画・実行する役割を担い、ディレクターエージェントはシーンの進行に伴い新たな環境要素を合成する責任を持つ。さらに、共有体験を促進するために、複数のプレイヤーがこの鮮やかな世界シミュレーターに同時に没入できるインターフェースを開発する。我々は、主要な14Bモデルと軽量な1.3Bモデルを組み合わせ、単一GPUでの容易な展開をサポートする。

English

We present LingBot-World 2.0 (also known as LingBot-World-Infinity), an advanced iteration of LingBot-World featuring four distinct upgrades. (1) Our model achieves an unbounded interaction horizon while maintaining consistent output quality, benefiting from a carefully crafted causal pretraining paradigm. (2) Through distilling a real-time variant from the base model, our system guarantees rapid response time, sufficient to drive 720p video streams at 60 fps. (3) Compared to the previous version, this update introduces highly diverse interactive elements, comprising a broader spectrum of actions (e.g., attacking, archery, spell-casting, and shooting) alongside a richer variety of text-driven events. (4) We pioneer the integration of an agentic harness within the domain of world modeling, wherein a pilot agent is tasked with planning and executing character behaviors, while a director agent is responsible for synthesizing novel environmental elements as the scene progresses. Additionally, to facilitate a shared experience, we develop an interface that permits multiple players to simultaneously immerse themselves in this vivid world simulator. We pair our primary 14B model with a lightweight 1.3B counterpart, which supports effortless deployment on a single GPU.