LingBot-World-Fast создаёт интерактивные видеосцены из изображения, текстового описания и управляющих сигналов камеры.

Подходит для: генерация видео из начального изображения · создание управляемых движением камеры видеосцен · создание контента для игр и виртуальных сред

Производная модели robbyant/lingbot-world-v2-14b-causal-fast-diffusers. LingBot-World 2.0 — 14-миллиардная модель Robbyant для быстрого создания интерактивных видеомиров по изображению.

Подходит для: создание интерактивного видеопотока по исходному изображению · генерация сцен с управляемыми действиями персонажей · добавление текстом заданных событий в развивающуюся видеосцену

LingBot-World-Fast генерирует управляемое видео из начального изображения для интерактивной симуляции сред и создания контента.

Подходит для: создание видеоролика по начальному кадру и текстовому запросу · генерация продолжения сцены с управлением движением камеры · создание интерактивных игровых окружений

Энкодер LingBot-Vision на базе ViT-Small/16 извлекает признаки и эмбеддинги изображений для задач компьютерного зрения.

Подходит для: извлечение эмбеддингов изображений для поиска по визуальному сходству · получение карт признаков для анализа пространственных областей изображения · подготовка признаков изображений для последующей классификации

Визуальный энкодер ViT-Large/16 LingBot-Vision извлекает признаки и эмбеддинги изображений для задач компьютерного зрения.

Подходит для: извлечение признаков изображений для downstream-моделей · получение эмбеддингов изображений для поиска по визуальному сходству · извлечение карт признаков и патч-токенов

LingBot-World 2.0 — 14-миллиардная модель Robbyant для быстрого создания интерактивных видеомиров по изображению.

Подходит для: создание интерактивного видеопотока по исходному изображению · генерация сцен с управляемыми действиями персонажей · добавление текстом заданных событий в развивающуюся видеосцену

Визуальный энкодер LingBot-Vision на базе ViT-Base/16 для извлечения признаков и эмбеддингов изображений.

Подходит для: извлечение признаков из изображений · получение эмбеддингов изображений для поиска по сходству · создание карт визуальных признаков

Производная модели robbyant/lingbot-world-fast. LingBot-World-Fast создаёт интерактивные видеосцены из изображения, текстового описания и управляющих сигналов камеры.

Подходит для: генерация видео из начального изображения · создание управляемых движением камеры видеосцен · создание контента для игр и виртуальных сред

LingBot_ComfyUI — сборка LingBot Video Dense 1.3B для генерации коротких видео по изображению и текстовому запросу в ComfyUI.

Подходит для: создание видеоклипа по исходному изображению и текстовому описанию · анимация первого кадра в ComfyUI · генерация коротких роликов до 81 кадра

Преобразованный энкодер LingBot-Vision ViT-Giant/16 для извлечения признаков и эмбеддингов изображений.

Подходит для: извлечение визуальных признаков из изображений · получение эмбеддингов изображений для поиска по сходству · извлечение карт признаков для плотного пространственного анализа

LingBot-VA — дообученная авторегрессионная видео-действующая политика для управления роботом по изображениям с камер.

Подходит для: управление роботом по изображениям с двух камер · выполнение длительных манипуляционных задач LIBERO · предсказание действий робота в замкнутом цикле по визуальным наблюдениям

LingBot-VA — дообученная видеодейственная политика, которая использует изображения с нескольких камер для предсказания действий робота в задачах RobotWin.

Подходит для: управление роботом по изображениям с нескольких камер · предсказание последовательности действий робота в RobotWin · замкнутое управление роботом с использованием новых визуальных наблюдений

Авторегрессионная видеодейственная политика LingBot-VA предсказывает будущие кадры и действия робота по изображениям с нескольких камер.

Подходит для: управление роботом по изображениям с нескольких камер · предсказание действий робота по визуальному наблюдению · планирование действий с моделированием будущих видеокадров

Базовая визуально-языковая модель для генерации действий робота и последующего дообучения под конкретного робота в LeRobot.

Подходит для: дообучение политики управления под нового робота · генерация действий робота по визуальным наблюдениям и инструкциям · настройка управления роботом с сопоставлением слотов состояния и действий

Политика LingBot-VLA 2.0 для LeRobot, предназначенная для управления роботом в задачах манипуляции RoboTwin 2.0 по визуальным наблюдениям.

Подходит для: оценка политики робота в симуляторе RoboTwin 2.0 · выполнение задачи забивания блока молотком в симуляции · управление роботом по изображениям с головной и запястных камер

Дообученная модель vision-language-action для многозадачного управления роботом с потоковым декодированием действий и ускоренным выводом.

Подходит для: выполнение задач манипуляции роботом из RoboTwin 2.0 · управление роботом по визуальным наблюдениям и языковым инструкциям · тестирование потокового вывода действий для VLA-моделей

Визуальный backbone ViT-L/16 для извлечения признаков изображений на Apple Silicon через MLX.

Подходит для: извлечение признаков изображений для последующих моделей · получение визуальных эмбеддингов для поиска по изображениям · использование в качестве backbone для плотного предсказания

Конвертированные для MLX веса LingBot-Depth оценивают глубину сцены по изображению на Apple Silicon.

Подходит для: оценка глубины по фотографии · получение карты глубины для визуализации сцены · локальный запуск оценки глубины на Apple Silicon

Дообученная LingBot-VLA для управления роботом SO follower при захвате и перекладывании игрушек по изображениям двух камер и состоянию суставов.

Подходит для: захват игрушек роботом SO follower · перекладывание игрушек между позициями · предсказание последовательности движений манипулятора по изображениям камер

Дообученная зрительно-языковая политика LingBot-VLA 2.0 для управления роботом при манипуляциях с крышками по изображениям двух камер и состоянию суставов.

Подходит для: управление рукой робота при открывании и закрывании крышек · вычисление целевых углов суставов по изображению с обзорной и запястной камер · подача абсолютных суставных команд в JointController

Дообученная LingBot-VLA модель управляет двуручным подъёмом коробки со стола роботом Unitree G1 по изображению, состоянию робота и текстовому заданию.

Подходит для: подъём коричневой коробки со стола двумя руками в симуляции MuJoCo · управление движениями рук Unitree G1 по изображению с камеры · генерация последовательностей суставных команд для захвата ладонями

Дообученная LingBot-VLA 2.0 политика для управления роботом при манипуляции объектами в загромождённой сцене ManiGuard.

Подходит для: управление суставами робота при манипуляции в загромождённой сцене · исполнение задач ManiGuard clutter по изображениям с двух камер · предсказание абсолютных целевых значений суставов и захвата

Квантованная в UINT4 версия LingBot Video Dense 1.3B для генерации видео по текстовому описанию с уменьшенным пиковым потреблением видеопамяти.

Подходит для: создание короткого видео по текстовому промпту · генерация видеосцен для прототипа ролика · подготовка вариантов видеоряда для творческого проекта

LingBot-Vision-Giant — самообученный ViT-g/16 backbone для извлечения пространственных визуальных признаков и плотного предсказания.

Подходит для: извлечение признаков патчей изображения · визуализация визуальных признаков методом PCA · инициализация backbone для семантической сегментации