एथर एक ज्यामितीय रूप से जागरूक विश्व मॉडल ढांचा है जो गतिशील पुनर्निर्माण, कार्रवाई की स्थिति वीडियो भविष्यवाणी और लक्ष्य-उन्मुख दृश्य योजना को एक ही वास्तुकला में एकीकृत करता है। यह अनुसंधान टीमों के लिए विश्व मॉडलों का बुनियादी सत्यापन करने के लिए उपयुक्त है।

एथर टूल टेक्स्ट

मुख्य पैरामीटर और आँकड़े

पैरामीटर्स	वर्तमान सार्वजनिक सूचना	विवरण
उत्पाद स्थिति	ओपन सोर्स वर्ल्ड मॉडल रिसर्च फ्रेमवर्क	वाणिज्यिक SaaS नहीं, बल्कि अनुसंधान अवसंरचना
मुख्य कार्य	4डी पुनर्निर्माण, वीडियो भविष्यवाणी, दृश्य योजना	तीन कार्य एकीकृत वास्तुकला
लाइसेंस समझौता	एमआईटी लाइसेंस	अनुसंधान और व्यावसायिक उपयोग के लिए उपलब्ध
मॉडल वजन	सार्वजनिक (चेहरे को गले लगाते हुए)	AetherV1 को सीधे डाउनलोड किया जा सकता है
अनुमान के लिए प्रासंगिक आवश्यकताएँ	Linux + CUDA + ≥24GB VRAM	GPU संसाधनों की आवश्यकता

एथर के डिज़ाइन का शुरुआती बिंदु: विश्व मॉडल का मूल्य न केवल "अच्छे दिखने वाले वीडियो बनाने" में है, बल्कि एक साथ ज्यामितीय स्थान को समझने, कार्य परिणामों की भविष्यवाणी करने और लक्ष्य योजना का समर्थन करने की क्षमता में भी है।

उपयोगकर्ता और बाज़ार की पहचान

• इंटर्नरोबोटिक्स एक निश्चित शैक्षणिक पृष्ठभूमि वाली टीम है। यह परियोजना एमआईटी लाइसेंस के तहत खुला स्रोत है, जो दर्शाता है कि यह अनुसंधान और वाणिज्यिक अनुप्रयोगों दोनों के लिए खुला है।
• 2025 में पेपर जमा करने से लेकर AetherV1 सार्वजनिक रिलीज तक की कड़ी गति से पता चलता है कि परियोजना सक्रिय उन्नति चरण में है।
• सार्वजनिक उद्धरणों और उद्यम उपयोगकर्ताओं की संख्या का खुलासा नहीं किया गया है; इसे एक परिपक्व व्यावसायिक उत्पाद के बजाय एक शोध समुदाय उपकरण के रूप में सोचना बेहतर है।

लागत लाभ

• सी-साइड/व्यक्तिगत: सामान्य व्यक्तिगत उपयोगकर्ताओं के लिए नहीं, GPU संसाधनों वाले शोधकर्ताओं के लिए अधिक उपयुक्त।
• डेवलपर/शोधकर्ता: एमआईटी लाइसेंस सार्वजनिक है और डाउनलोड भार निःशुल्क है; मुख्य लागत GPU कंप्यूटिंग संसाधन है।
• उद्यम/निजी: कोई व्यावसायिक खरीद पृष्ठ नहीं है; यदि उद्यम इसका उपयोग करना चाहते हैं, तो उन्हें GPU संसाधनों और इंजीनियरिंग पहुंच की लागत का मूल्यांकन स्वयं करना होगा।

इसका वास्तविक छिपा हुआ लाभ विश्व मॉडल प्रयोग संदर्भ को नए सिरे से बनाने में लगने वाले समय को कम करना है; छिपी हुई लागत उच्च वीआरएएम आवश्यकताएं और लिनक्स/सीयूडीए संदर्भ पर निर्भरता है।

मुख्य कार्य

• 4डी गतिशील पुनर्निर्माण: स्थिर पृष्ठभूमि को गतिशील वस्तुओं से अलग करने के लिए गतिशील दृश्यों में त्रि-आयामी ज्यामितीय संरचनाओं का पुनर्निर्माण करें।
• एक्शन-कंडीशंड वीडियो भविष्यवाणी: एक्शन स्थिति के रूप में कैमरा प्रक्षेपवक्र का उपयोग करके, संबंधित भविष्य के वीडियो फ्रेम अनुक्रम की भविष्यवाणी करें।
• लक्ष्य-वातानुकूलित दृश्य योजना: एक लक्ष्य स्थिति को देखते हुए, लक्ष्य तक पहुंचने के लिए आवश्यक दृश्य पथों के अनुक्रम का अनुमान लगाएं।
• स्थानीय ग्रेडियो डेमो: आधिकारिक तौर पर एक इंटरैक्टिव डेमो प्रदान करता है जिसे त्वरित सत्यापन की सुविधा के लिए सीधे चलाया जा सकता है।
• सार्वजनिक मॉडल भार और अनुमान कोड: AetherV1 भार हगिंग फेस पर होस्ट किए जाते हैं, और अनुमान स्क्रिप्ट GitHub रिपॉजिटरी में सार्वजनिक होती हैं।

मॉडल और संस्करण विकास

• 2025-03-24/arXiv v1: पेपर का पहला संस्करण प्रस्तुत किया गया है, और विधि विवरण और मात्रात्मक मूल्यांकन का खुलासा किया गया है।
• 2025-03-28 / AetherV1 पूर्ण रिलीज़: GitHub README पुष्टि करता है कि मॉडल वजन, प्रोजेक्ट वेबसाइट और अनुमान कोड एक साथ जारी किए गए हैं।
• 2025-07-28/arXiv v3: अद्यतन टिप्पणियों और निर्देशों के साथ पेपर का एक संशोधित संस्करण जारी किया गया है।

एथर की पुनरावृत्तियाँ अनुसंधान पूर्णता पर ध्यान केंद्रित करती हैं: पहले तरीकों को पुनरुत्पादित करना, और फिर बाद के काम के साथ कार्य कवरेज का विस्तार करना।

तकनीकी लाभ

• तंत्र: ज्यामितीय पुनर्निर्माण और जनरेटिव मॉडलिंग का संयुक्त अनुकूलन, साझा स्थानिक प्रतिनिधित्व।

  प्रभाव: विभिन्न कार्य ज्यामितीय प्राथमिकताओं को साझा करते हैं, जिससे बहु-कार्य स्वतंत्र मॉडलिंग की स्थिरता बहाव कम हो जाता है। लागू परिदृश्य: विश्व मॉडल अनुसंधान जिसके लिए स्थानिक जागरूकता, स्वायत्त ड्राइविंग दृश्य सिमुलेशन की आवश्यकता होती है।

• तंत्र: ज्यामिति-सूचित एक्शन स्पेस के रूप में कैमरा प्रक्षेपवक्र।

  प्रभाव: भविष्यवाणी और योजना अमूर्त टोकन के बजाय अधिक स्थिर ज्यामितीय स्थितियों का उपयोग करती है। लागू परिदृश्य: दृश्य योजना और कार्य स्थिति वीडियो भविष्यवाणी पर शोध।

• तंत्र: तीन-कार्य एकीकृत वास्तुकला (पुनर्निर्माण + भविष्यवाणी + योजना) साझा रीढ़ नेटवर्क।

  प्रभावकारिता: अनुसंधान पुनरावृत्ति लागत को कम करते हुए, प्रत्येक कार्य के लिए स्वतंत्र रूप से मॉडल बनाए रखने की आवश्यकता नहीं है। लागू परिदृश्य: विश्व मॉडल पर बुनियादी शोध, सन्निहित खुफिया बहु-कार्य सत्यापन।

का उपयोग कैसे करें

• आरंभ करना: GitHub रिपॉजिटरी को क्लोन करें → निर्भरता स्थापित करें (CUDA, टॉर्च, ग्रेडिएंट, आदि) → AetherV1 वेट डाउनलोड करें → स्थानीय डेमो चलाएं।
• अनुसंधान पथ: AetherV1 पर आधारित डिज़ाइन प्रयोग → कार्य स्थितियों को संशोधित करें → तीन कार्यों के प्रदर्शन का मूल्यांकन करें।
• परियोजना पहुंच पथ: एमआईटी लाइसेंस की शर्तों के अनुसार अपने स्वयं के अनुसंधान या एप्लिकेशन परिदृश्यों को संशोधित और एकीकृत करें।

उत्पाद का मूल्य निर्धारण

स्तर	वर्तमान सार्वजनिक स्थिति	विवरण
अनुसंधान उपयोग	मुफ़्त (एमआईटी लाइसेंस)	वज़न, कोड और दस्तावेज़ सभी खुले स्रोत हैं
व्यावसायिक उपयोग	अनुमति प्राप्त (एमआईटी लाइसेंस)	एमआईटी शर्तों के अधीन
होस्टिंग सेवाएँ	अज्ञात	अभी तक कोई वाणिज्यिक एपीआई या होस्टिंग समाधान नहीं

अधिकांश शोध टीमों के लिए, मुख्य लागत लाइसेंस नहीं है, बल्कि GPU संसाधन और इंजीनियरिंग अनुकूलन समय है।

अनुप्रयोग परिदृश्य

• विश्व मॉडल पर बुनियादी शोध: ज्यामिति जागरूकता के तहत एकीकृत मॉडलिंग पद्धति को सत्यापित करें।
• स्वायत्त ड्राइविंग दृश्य सिमुलेशन: एक्शन स्थिति वीडियो भविष्यवाणी का उपयोग ड्राइविंग दृश्य परीक्षण के लिए किया जा सकता है।
• एम्बॉएड इंटेलिजेंट प्लानिंग वेरिफिकेशन: लक्ष्य स्थिति दृश्य योजना रोबोट ग्रैस्पिंग और नेविगेशन कार्यों के प्रोटोटाइप सत्यापन के लिए उपयुक्त है।

लागू लोग

• विश्व मॉडल शोधकर्ता: एक शोध दल जो ज्यामिति-जागरूक एकीकृत मॉडलिंग पद्धति का सत्यापन करता है।
• रोबोटिक्स/एम्बॉडीड इंटेलिजेंस इंजीनियर्स: ऐसी टीमें जिन्हें 4डी पुनर्निर्माण और विज़न प्लानिंग के संयुक्त सत्यापन की आवश्यकता होती है।
• स्वायत्त ड्राइविंग एल्गोरिदम टीम: एक तकनीकी टीम जो दृश्य गतिशील भविष्यवाणी और दृश्य योजना अनुसंधान करती है।

सीमाओं में फिट नहीं बैठता: यह बॉक्स से बाहर एक व्यावसायिक वीडियो जनरेशन SaaS नहीं है; इसका उपयोग GPU संसाधनों और Linux इंजीनियरिंग क्षमताओं के बिना टीमों द्वारा सीधे नहीं किया जा सकता है।

सारांश और आउटलुक

यह अपने क्षेत्र में प्रतिस्पर्धी समाधान प्रदान करता है, और इसका मुख्य मूल्य इस क्षेत्र में एआई के उपयोग की सीमा को कम करने में निहित है।

वर्तमान सीमाएँ: कुछ उन्नत सुविधाओं के लिए सशुल्क सदस्यता की आवश्यकता होती है, और मुफ़्त संस्करण में फ़ंक्शन या उपयोग प्रतिबंध हैं; विशिष्ट तकनीकी विवरण और प्रदर्शन बेंचमार्क अभी तक पूरी तरह से प्रकट नहीं किए गए हैं।

संबंधित टूल: <एक्सलिंक टाइप='टूल' स्लग='हगिंग-फेस'>, <एक्सलिंक टाइप='टूल' स्लग='रेप्लिकेट'>

संदर्भ स्रोत

• https://aether-world.github.io/
• https://github.com/InternRobotics/Aether
• https://arxiv.org/abs/2503.18945
• https://huggingface.co/AetherWorldModel/AetherV1

संस्करण जानकारी

• एथरV1 ：GitHub README स्पष्ट रूप से AetherV1 मॉडल वेट को एनोटेट करता है, पेपर, प्रोजेक्ट वेबसाइट और अनुमान कोड जारी किया गया है। （2025-03-28）
• arXiv v1 सबमिशन ：पेपर का पहला संस्करण arXiv को प्रस्तुत किया गया था, और एथर विधि और मूल्यांकन परिणाम पहली बार प्रकट किए गए थे। （2025-03-24）