MolmoMotion: новая модель от Hugging Face предсказывает 3D-движения по тексту

На платформе Hugging Face появилась модель MolmoMotion, предназначенная для прогнозирования трёхмерных движений по текстовым подсказкам. Разработка позволяет по фразе вроде «человек машет рукой» синтезировать соответствующую 3D-анимацию, что может быть полезно для игр, симуляций и робототехники.

Модель использует подход language-guided motion forecasting, комбинируя обработку естественного языка с генерацией последовательностей поз. На данный момент на странице модели доступны веса и примеры использования. Это ещё один шаг в направлении ИИ, понимающего динамику физического мира по описанию.