Robby Ant가 sparse-MoE 기반 비디오 확산 트랜스포머 'LingBot-Video'를 공개했어요. 이 모델은 130억 파라미터 중 14억 파라미터가 활성화되어 있으며, 로봇 제어에 활용될 수 있도록 설계됐어요. 물리적 제약 준수를 위한 강화 학습과 함께 비디오 생성 및 로봇 제어 기능을 제공하며, 관련 코드와 가중치는 오픈소스로 공개됐어요.
VLM을 활용해 물리적 제약 준수를 평가하는 방식의 타당성에 대한 의문이 제기되었으며, 비디오 생성 품질과 실제 로봇 제어 성능 간의 연관성에 대한 논의가 필요해요. RBench 벤치마크에서는 최고 평균 점수를 기록했지만, 추론 능력 평가에서는 다른 모델에 뒤쳐지는 모습을 보였어요.
LingBot-Video는 비디오 생성 모델과 세계 모델의 경계를 모호하게 하며, 실제 로봇 제어 성능에 대한 검증이 필요해요. Reddit 사용자들은 모델의 물리적 제약 준수 평가 방식과 로봇 제어 성능에 대한 비판적인 의견을 제시하며, 추가적인 검증을 요청했어요.