Сбер: генеративная мировая модель Kandinsky WM 1.0 для Physical AI
Описание проекта
Модель работает «рендерером» в таксономии World Labs: предсказывает визуальные наблюдения из текущего состояния мира. Три доменные ветки: K5-AV для дорожных сценариев, K5-RO для робототехнических манипуляций и K5-PH для сложных физических взаимодействий. Обучение двухстадийное: доменная адаптация (сначала T2V, затем смесь T2V/I2V), затем пост-тренировочная оптимизация — для AV и RO обучение с подкреплением алгоритмом GRPO с reward-моделью, для PH метод SOAR с коррекцией траекторий. Reward-модели используют SAM, Depth Anything и V-JEPA для оценки формы, геометрии и динамики. Все видео нормализованы до 5-секундных клипов с разрешением от 512 пикселей и частотой от 24 FPS.
Вендор и технология: Сбер, Kandinsky WM 1.0 на базе Kandinsky 5.0 Video Lite (2 млрд параметров).
Задача
Physical AI упирается в дефицит данных «длинного хвоста»: даже если автомобиль пишет данные круглый год, накопится меньше 10 тысяч часов синхронизированных дорожных сцен, а редкие опасные сценарии почти не представлены.
Цели внедрения
-
Генерировать синтетические данные для редких дорожных сценариев
-
готовить обучающие данные для робототехнической манипуляции
-
моделировать физику промышленных процессов
-
обучать доменные ветки без смешивания доменов
-
выложить модель в открытый доступ
Результаты
-
Результаты
-
PAI-Bench-G — 4-е место при 2 млрд параметров, в домене автономного вождения на 5 п.п. выше сопоставимой NVIDIA Cosmos-2.5B, в робототехнике сопоставимое преимущество, в физике и промышленности на 2–3 п.п. выше
-
Physics-IQ Verified — 5-е место с преодолением порога 30% (прежний лучший результат 29,5%)
-
RBench — 6-е место
-
обучающая выборка 5,3 млн видео: 1,5 млн для AV из NVIDIA PhysicalAI (более 1700 часов из 25 стран), 2,2 млн для робототехники (GenRobot 10Kh RealOmni на 1,4 млн и AgiBot), 1,6 млн для физики Нагрузка и масштаб
-
2 млрд параметров, 5,3 млн обучающих видео, топ-10 на трёх бенчмарках Physical AI Сроки
-
Публикация 04.08.2026, открытый релиз под MIT на GitHub, GitVerse и HuggingFace