AnswersPublished17 sources
JD Buka Sumber JoyAI-EchoWM, Model Dunia AI yang Boleh Diterokai
JD mengumumkan pembukaan sumber JoyAI EchoWM serta EchoWM Flash, versi penstriman kausal empat langkah, di JDD 2026. Antara muka "niat kamera" menyusun input papan kekunci atau pengawal menjadi trajektori enam darjah kebebasan untuk pandangan orang pertama dan orang ketiga.
Diterbitkan olehDisunting dengan GPT-5.6 TerraImej dijana dengan GPT Image 2
Research answer
Key takeaways
- JD mengumumkan pembukaan sumber JoyAI EchoWM serta EchoWM Flash, versi penstriman kausal empat langkah, di JDD 2026.
- Antara muka "niat kamera" menyusun input papan kekunci atau pengawal menjadi trajektori enam darjah kebebasan untuk pandangan orang pertama dan orang ketiga.
- Pelancaran ini melengkapi strategi AI fizikal JD, termasuk rancangan kluster 100,000 GPU dan pengumpulan lebih 10 juta jam video aktiviti dunia sebenar.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did JD.com announce at the September 10, 2026 JDDiscovery (JDD) conference about open-sourcing JoyAI-EchoWM—its interactive audiovisual. Article summary: JD announced that it is open-sourcing JoyAI‑EchoWM, an “enterable” interactive audiovisual world model, and EchoWM‑Flash, a faster four-step causal-streaming version. The release is best understood as part of JD’s physic. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
JD telah membuka sumber JoyAI-EchoWM, model dunia audiovisual interaktif, bersama EchoWM-Flash, versi penstriman kausal yang lebih ringan dengan empat langkah. Bezanya dengan penjana video biasa: sistem ini direka supaya pengguna boleh bergerak dan meninjau dalam adegan yang dijana, sementara imej serta bunyi berubah bersama-sama. 1
6
Bukan sekadar video untuk ditonton
EchoWM menjana video 720p serentak dengan bunyi persekitaran, muzik dan pertuturan yang disegerakkan. Apabila pengguna mengubah arah pandangan atau bergerak dalam adegan, model sepatutnya mengemas kini visual dan audio secara bersama — bukannya menampal trek bunyi selepas video siap dijana. 1
2
Kawalan ini menggunakan perwakilan tunggal yang dipanggil "niat kamera". Arahan daripada papan kekunci atau pengawal diterjemahkan kepada laluan kamera berterusan dengan enam darjah kebebasan (6-DoF), iaitu pergerakan dan putaran dalam ruang. Ini menyokong penerokaan pandangan orang pertama, di samping sudut orang ketiga atau kamera yang mengikuti subjek. 1
11
Laluan kamera menjadi panduan kepada visual, manakala peristiwa dalam adegan diharapkan menghasilkan audio yang sepadan — seperti bunyi langkah kaki, hentaman, dialog atau muzik. Matlamatnya ialah menjadikan dunia AI terasa lebih responsif dan padu dari segi pandang serta dengar. 1
11
EchoWM-Flash: kurang langkah, masih responsif
EchoWM-Flash ialah varian penstriman kausal empat langkah yang bertujuan mengurangkan langkah pensampelan sambil mengekalkan respons pantas untuk interaksi.
Dalam keputusan WBench Navigation yang melibatkan 158 kes, kertas penyelidikan itu melaporkan purata 81.7 bagi EchoWM dan 81.0 bagi EchoWM-Flash. EchoWM mencatat skor interaksi 87.2 serta konsistensi 89.8, manakala Flash memperoleh skor interaksi 87.9. 1
Angka ini ialah keputusan penanda aras yang dilaporkan oleh pembangun dan dalam kertas penyelidikan, bukannya pengesahan bebas bahawa model tersebut sudah sesuai untuk semua penggunaan produksi masa nyata. Repositori WBench pula menyenaraikan JoyAI-Echo-1.5 (WM) dengan 81.6 dan versi Flash empat langkah dengan 81.0; ini menerangkan perbezaan kecil antara angka 81.6 dan 81.7 yang muncul dalam liputan. 15
Ada kesinambungan, tetapi belum ada memori 3D kekal
EchoWM menyokong penerokaan berbilang giliran dengan mengambil kira tetingkap pendek konteks audiovisual yang baru berlaku. Pendekatan ini membolehkan adegan diteruskan ketika pengguna menavigasi dunia yang dijana.
Namun, ia bukanlah representasi 3D eksplisit yang disimpan secara kekal. Ketiadaan memori 3D persisten bermaksud penerokaan yang lebih lama boleh mengalami hanyutan — misalnya kedudukan ruang atau butiran visual menjadi semakin tidak konsisten. Ini kekal sebagai had praktikal penting walaupun keputusan yang dilaporkan menunjukkan kekuatan dalam interaksi dan konsistensi. 1
11
Data latihan dan kod awam
Penyelidikan berkaitan menerangkan enjin data dunia serta proses latihan berperingkat yang menggunakan log permainan, rakaman manusia bermain, simulasi berasaskan Unreal Engine dengan pose berpandukan kedudukan, dan video dari internet. Tujuannya adalah untuk menghubungkan pergerakan kamera yang boleh dikawal, dinamik visual dan penjanaan audio segerak dalam satu model. 1
Kertas JD turut memautkan repositori kod awam jd-opensource/JoyAI-Echo, menjadikan pelepasan ini relevan kepada penyelidik dan pembangun yang mahu menguji sistem model dunia interaktif. 1
Sebahagian daripada hala tuju AI fizikal JD
EchoWM dibentangkan sebagai satu komponen dalam usaha AI fizikal JD yang lebih luas, merangkumi data, pengkomputeran, model dan operasi logistik. JD Cloud menyatakan rancangan membina kluster 100,000 GPU yang dibangunkan dalam negara untuk latihan model besar, inferens dan beban kerja AI berjasad; syarikat itu juga menyasarkan pengumpulan lebih 10 juta jam video aktiviti manusia di dunia sebenar. 18
22
Di bahagian operasi, Meta Brain 3.0 milik JD Logistics menyelaras keputusan merentas pergudangan, pengangkutan dan penghantaran. JD berkata sistem itu mengurangkan masa pengiraan laluan optimum bagi ratusan juta bungkusan daripada minit kepada saat. 18
22
Ringkasnya, pembukaan sumber EchoWM lebih tepat dilihat sebagai langkah penyelidikan dan infrastruktur model terbuka untuk AI interaktif serta AI fizikal, bukannya pengumuman pembiayaan. Cadangan teknikal utamanya jelas: gabungkan navigasi kamera yang boleh dikawal dengan penjanaan video dan bunyi secara serentak — sambil mengakui bahawa konsistensi dunia bagi penerokaan jangka panjang masih belum selesai. 1
11
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "JD Buka Sumber JoyAI-EchoWM, Model Dunia AI yang Boleh Diterokai"?
JD mengumumkan pembukaan sumber JoyAI EchoWM serta EchoWM Flash, versi penstriman kausal empat langkah, di JDD 2026.
What are the key points to validate first?
JD mengumumkan pembukaan sumber JoyAI EchoWM serta EchoWM Flash, versi penstriman kausal empat langkah, di JDD 2026. Antara muka "niat kamera" menyusun input papan kekunci atau pengawal menjadi trajektori enam darjah kebebasan untuk pandangan orang pertama dan orang ketiga.
What should I do next in practice?
Pelancaran ini melengkapi strategi AI fizikal JD, termasuk rancangan kluster 100,000 GPU dan pengumpulan lebih 10 juta jam video aktiviti dunia sebenar.