AnswersPublished17 sources
JD åpner JoyAI-EchoWM for interaktive KI-verdener med lyd og bilde
JD lanserte og åpenkildekodet JoyAI EchoWM og firetrinnsvarianten EchoWM Flash under JDD 2026. Modellen kobler tastatur eller kontrollerinngang til kontinuerlige 6 DoF kamerabaner for førstepersonsutforsking og tredjepersonsperspektiver.
Publisert avRedigert med GPT-5.6 TerraBilder generert med GPT Image 2
Research answer
Key takeaways
- JD lanserte og åpenkildekodet JoyAI EchoWM og firetrinnsvarianten EchoWM Flash under JDD 2026.
- Modellen kobler tastatur eller kontrollerinngang til kontinuerlige 6 DoF kamerabaner for førstepersonsutforsking og tredjepersonsperspektiver.
- Lanseringen inngår i JDs satsing på fysisk KI, med planer om en innenlands GPU klynge med 100 000 GPU er og innsamling av over 10 millioner videotimer fra virkelige aktiviteter.
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 har åpenkildekodet JoyAI-EchoWM, en interaktiv audiovisuell verdensmodell, sammen med EchoWM-Flash, en lettere firetrinnsvariant for kausal strømming. I stedet for å lage én ferdig videosekvens, er målet at brukeren skal kunne bevege seg i en KI-generert scene mens både bilde og lyd endrer seg underveis. 1
6
En KI-generert verden som kan utforskes
EchoWM er laget for å generere 720p-video samtidig med synkronisert miljølyd, musikk og tale. Tanken er en verden man kan «gå inn i»: Når brukeren skifter retning eller forflytter seg i scenen, skal både motivet og lydbildet oppdateres – ikke bare få et lydspor lagt på i etterkant. 1
2
Systemet bygger på en felles representasjon for kameraintensjon. Tastatur- eller kontrollerkommandoer omsettes til kontinuerlige kamerabaner med seks frihetsgrader (6-DoF). Dermed kan modellen brukes både til navigasjon i førsteperson og til tredjepersons- eller følgekamerabilder. Kamerabanen styrer det visuelle uttrykket, mens hendelser i scenen skal utløse passende lyder, som fottrinn, sammenstøt, dialog eller musikk. 1
11
EchoWM-Flash skal gjøre responsen raskere
EchoWM-Flash er firetrinnsversjonen for kausal strømming. Hensikten er å redusere antallet samplingsteg og samtidig beholde en responsiv interaktiv generering.
I artikkelens WBench Navigation-test med 158 tilfeller fikk EchoWM en gjennomsnittsscore på 81,7, mens EchoWM-Flash fikk 81,0. EchoWM hadde rapporterte delscorer på 87,2 for interaksjon og 89,8 for konsistens. Flash-versjonen oppnådde 87,9 på interaksjon. 1
Dette er resultater rapportert av utviklerne og i forskningsartikkelen, ikke uavhengig dokumentasjon på at modellene egner seg for alle former for sanntidsbruk i produksjon. WBench-repositoriet oppgir JoyAI-Echo-1.5 (WM) til 81,6 og firetrinns Flash-versjonen til 81,0. Det forklarer den lille forskjellen mellom 81,6 og 81,7 i ulike omtaler. 15
Kontinuitet uten en vedvarende 3D-verden
EchoWM støtter utforsking over flere steg ved å la genereringen ta hensyn til et kort, nylig audiovisuelt kontekstvindu. Det kan videreføre en navigert sekvens, men er noe annet enn å ha en eksplisitt og vedvarende 3D-modell av verden.
Forskjellen er viktig ved lengre økter. Uten et permanent 3D-minne kan romlige forhold og visuelle detaljer gradvis drive ut av kurs. JDs rapporterte tester peker på gode resultater for interaksjon og konsistens, men kontinuitet basert på et begrenset kontekstvindu er fortsatt en praktisk begrensning ved langvarig navigasjon. 1
11
Treningsdata og åpen tilgjengelighet
Forskningsartikkelen beskriver en datamotor for verdensmodeller og en trinnvis treningsprosess basert på spillogger, video av mennesker som spiller, posisjonsforankrede simuleringer i Unreal Engine og video fra internett. Målet er å knytte styrbar kamerabevegelse, visuell dynamikk og synkron lydgenerering sammen i én modell. 1
JD lenker også til det offentlige kodelageret jd-opensource/JoyAI-Echo. Det gjør utgivelsen relevant for forskere og utviklere som vil eksperimentere med interaktive verdensmodeller. 1
Del av JDs større satsing på fysisk KI
EchoWM ble presentert som én del av JDs bredere satsing på fysisk KI, som omfatter data, regnekraft, modeller og logistikkdrift. JD Cloud sier at selskapet planlegger en innenlands utviklet klynge med 100 000 GPU-er for trening og inferens av store modeller, samt arbeidslaster for kroppsforankret KI. Selskapet vil også samle inn over 10 millioner timer med video av menneskelig aktivitet i den virkelige verden. 18
22
På driftssiden er JD Logistics' Meta Brain 3.0 den praktiske motparten. JD oppgir at systemet samordner beslutninger i lagerdrift, transport og utlevering, og at tiden for å beregne optimale ruter for hundrevis av millioner pakker er redusert fra minutter til sekunder. 18
22
Slik sett er EchoWM først og fremst et åpent modell- og forskningsinfrastrukturtiltak for utvikling av interaktiv og fysisk KI – ikke en finansieringskunngjøring. Den sentrale tekniske ideen er å koble kontrollerbar kameranavigasjon med felles generering av video og lyd, samtidig som det er tydelig at stabil konsistens over lange forløp fortsatt er et uløst problem. 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 åpner JoyAI-EchoWM for interaktive KI-verdener med lyd og bilde"?
JD lanserte og åpenkildekodet JoyAI EchoWM og firetrinnsvarianten EchoWM Flash under JDD 2026.
What are the key points to validate first?
JD lanserte og åpenkildekodet JoyAI EchoWM og firetrinnsvarianten EchoWM Flash under JDD 2026. Modellen kobler tastatur eller kontrollerinngang til kontinuerlige 6 DoF kamerabaner for førstepersonsutforsking og tredjepersonsperspektiver.
What should I do next in practice?
Lanseringen inngår i JDs satsing på fysisk KI, med planer om en innenlands GPU klynge med 100 000 GPU er og innsamling av over 10 millioner videotimer fra virkelige aktiviteter.