앤트그룹 로비앤트, 실시간 상호작용 세계 모델 'LingBot-World 2.0' 오픈소스 공개

앤트그룹 산하 로비앤트가 오픈소스로 공개한 LingBot-World 2.0(일명 LingBot-World-Infinity)은 생성형 비디오 모델을 실시간 조작 가능한 가상 세계로 전환해 주는 세계 모델입니다. 키보드 입력과 텍스트 프롬프트를 받아 사용자 반응에 맞춰 연속적인 비디오 스트림을 생성합니다.

어떤 기능을 제공하는가

기존의 인터랙티브 세계 모델은 수십 초에서 수 분만 지나도 화면이 뭉개지거나 형태가 일그러지는 현상이 고질적인 문제였습니다. LingBot-World 2.0은 인과적 사전학습을 적용해 1시간 이상 연속으로 구동해도 뚜렷한 화질 저하나 왜곡 없이 안정적인 상호작용을 유지합니다.

동작의 폭도 넓어졌습니다. 단순한 전진이나 시점 회전을 넘어 공격, 활쏘기, 마법 시전, 사격 등 다채로운 캐릭터 동작을 지원합니다. 데모에서는 방 안의 의자를 직접 조종해 이동시키는 독특한 상호작용도 보여줍니다. 사용자가 텍스트를 입력해 비나 눈을 내리게 하는 등 환경 변화를 실시간으로 유도할 수도 있습니다.

또한 파일럿 에이전트와 디렉터 에이전트로 나뉜 이중 에이전트 체계를 도입했습니다. 파일럿 에이전트가 캐릭터의 행동을 계획하고 수행하는 동안, 디렉터 에이전트는 장면에 맞춰 새로운 환경 요소와 이벤트를 추가해 세계가 멈추지 않고 스스로 확장되도록 돕습니다.

사양 및 로컬 실행 방법

이 프로젝트는 Wan2.2를 기반으로 구축되었으며, KV 캐싱을 활용해 프레임을 청크 단위로 처리하는 인과적 스트리밍 추론 방식을 사용합니다. 증류 처리를 거친 실시간 버전은 720p 해상도에서 초당 60프레임 출력을 지원합니다.

모델은 품질에 집중한 14B 버전과 속도를 높인 1.3B 버전 두 가지로 제공됩니다. 허깅페이스와 모델스코프에 가중치가 등록되어 있으며, 전체 파일 용량은 약 86GB에 달합니다.

로컬 구동 요구 사양은 상당히 높은 편입니다. 공식 제공되는 480p 추론 스크립트 기준으로 14B causal-fast 모델은 GPU 8장, 1.3B 모델은 GPU 4장이 필요합니다. 라이선스는 비상업적 용도로 제한된 CC BY-NC-SA 4.0을 따릅니다. 배포용 코드는 포함되어 있지 않으며, 자체 배포를 원할 경우 SGLang이나 flashdreams 구현을 참고해야 합니다. 로컬 하드웨어 구성 없이 체험하려면 Reactor나 LingGuang 플랫폼의 실시간 데모를 이용할 수 있습니다.

왜 중요한가

구글 Genie 3를 비롯한 주요 인터랙티브 세계 모델이 대부분 비공개 상태인 상황에서, 장시간 구동 가능한 실시간 오픈소스 모델이 나왔다는 점은 구체지능(Embodied AI)과 차세대 인터랙티브 콘텐츠 연구진에게 반가운 소식입니다.

별도의 3D 엔진 없이 오직 비디오 생성 모델만으로 1시간 이상 붕괴하지 않는 상호작용 환경을 구축할 수 있음을 입증했습니다. 여러 대의 GPU가 필요한 하드웨어 장벽과 비상업용 라이선스 탓에 당장 상용 게임에 적용하기는 어렵지만, 자율주행이나 로봇 시뮬레이션 환경 구축 및 인터랙티브 생성 기술을 검증하기 위한 연구용 도구로 충분히 시험해 볼 가치가 있습니다.