ABot-World Docker部署指南Ubuntu与阿里云5分钟一键运行run.sh完整讲解【免费下载链接】ABot-WorldInfinite Interactive World Rollout on a Single Desktop GPU项目地址: https://gitcode.com/gh_mirrors/ab/ABot-WorldABot-World 是一个可在单张桌面级 GPU 上实现无限交互式世界生成的实时世界模型720P / 16 FPS / 1.2s 延迟 / 仅 19GB 显存。本文是一份ABot-World Docker部署教程带你通过预构建镜像在 Ubuntu 或阿里云环境中完成一键运行并逐行讲解 docker/run.sh 脚本的每个参数全程无需手动编译任何 CUDA 依赖。ABot-World 能做什么部署完成后你会得到一个基于 Gradio 的实时交互 Web 界面上传一张首帧参考图通过键盘 WASD / IJKL 控制角色在模型实时生成的世界中行走、探索场景随操作无限延展——而不是播放一段固定视频。官方验证环境Ubuntu 22.04 CUDA 12.8 Python 3.12推荐 RTX 5090RTX 3090 / 4090 亦可运行详见 FAQ.md。部署前置检查清单开始 Docker 部署前请确认三项条件条件说明✅ Docker NVIDIA Container Toolkit需已安装否则报错could not select device driver nvidia✅ 支持 CUDA 12.8 的 NVIDIA 显卡RTX 3090/4090/5090 均满足✅ 系统内存 ≥ 64 GB推荐推理峰值显存约 19 GB第1步克隆 ABot-World 项目git clone https://gitcode.com/gh_mirrors/ab/ABot-World cd ABot-World注意Docker 镜像只包含运行环境项目代码和模型检查点会在运行时挂载进容器所以必须从本地克隆的目录启动。第2步拉取预构建 Docker 镜像国内推荐阿里云镜像已包含 PyTorch 2.8.0 (cu128)、FlashAttention、SageAttention、lightx2v_kernel等全部编译产物完全跳过手动安装。国内用户阿里云容器镜像服务速度最快docker pull crpi-56gxy7bfn4owmfmn.cn-zhangjiakou.personal.cr.aliyuncs.com/amap-cvlab/abot-world:v0-env海外用户Docker Hubdocker pull amapcvlab/abot-world:v0-env如果拉取失败或想自行构建可执行bash docker/build.sh构建细节见 docker/Dockerfile。第3步下载模型检查点检查点不打包在镜像中需先下载到项目根目录的./checkpoints由 run.sh 自动挂载进容器# 方式一HuggingFace pip install -U huggingface_hub hf download acvlab/ABot-World-0-5B-LF --local-dir ./checkpoints/ABot-World-0-5B-LF # 方式二ModelScope国内更快 pip install -U modelscope modelscope download amap_cvlab/ABot-World-0-5B-LF --local_dir ./checkpoints/ABot-World-0-5B-LF第4步run.sh 一键启动 Gradio 世界模型服务# 阿里云镜像 启动 IMAGEcrpi-56gxy7bfn4owmfmn.cn-zhangjiakou.personal.cr.aliyuncs.com/amap-cvlab/abot-world:v0-env bash docker/run.sh # 或 Docker Hub 镜像 IMAGEamapcvlab/abot-world:v0-env bash docker/run.sh启动后浏览器推荐 Chrome打开http://localhost:2233即可进入交互式世界。容器内的入口脚本是 web_client/run.sh端口 2233 由 web_client/config.py 中的SERVER_PORT定义。run.sh 脚本完整讲解run.sh 的核心逻辑只有四行关键配置配合环境变量即可覆盖 90% 的使用场景IMAGE${IMAGE:-abot-world:latest} # 镜像名默认本地自建镜像 PORT${PORT:-2233} # 宿主机映射端口 CUDA_ID${CUDA_ID:-0} # 使用的 GPU 编号4个常用参数速查表命令作用bash docker/run.sh默认启动GPU 0 端口 2233CUDA_ID1 bash docker/run.sh指定使用第 1 块 GPUPORT8080 bash docker/run.sh宿主机端口被占用时换端口bash docker/run.sh bash进入容器交互 Shell可容器内下载模型脚本内部通过docker run完成三件关键事挂载整个项目目录→ 容器内/workspace/ABot-World代码改动即时生效无需重建镜像挂载 HuggingFace 缓存→~/.cache/huggingface持久化下载配置 GPU 与性能参数→--gpus all、--shm-size32GB、--ipchost常见问题排查could not select device driver nvidiaNVIDIA Container Toolkit 未安装或安装后未重启 Docker 服务。端口冲突用PORT新端口 bash docker/run.sh更换宿主机端口。非 Blackwell 显卡出现 CUDA 报错lightx2v_kernel量化内核仅针对sm_120aRTX 5090编译硬件兼容细节见 FAQ.md。更多构建选项TORCH_CUDA_ARCH_LIST、MAX_JOBS、卷挂载说明见 docker/README.md。总结整个ABot-World Docker部署流程只需四步克隆仓库 → 拉取预构建镜像国内走阿里云容器镜像服务→ 下载模型检查点 →bash docker/run.sh一键启动。得益于镜像只装环境、代码运行时挂载的设计你的任何代码修改都能在下次启动时立即生效。在一张 RTX 5090 上你就能获得 720P、16 FPS 的无限交互式世界生成体验 。【免费下载链接】ABot-WorldInfinite Interactive World Rollout on a Single Desktop GPU项目地址: https://gitcode.com/gh_mirrors/ab/ABot-World创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ABot-World Docker部署指南：Ubuntu与阿里云5分钟一键运行，run.sh完整讲解
ABot-World Docker部署指南Ubuntu与阿里云5分钟一键运行run.sh完整讲解【免费下载链接】ABot-WorldInfinite Interactive World Rollout on a Single Desktop GPU项目地址: https://gitcode.com/gh_mirrors/ab/ABot-WorldABot-World 是一个可在单张桌面级 GPU 上实现无限交互式世界生成的实时世界模型720P / 16 FPS / 1.2s 延迟 / 仅 19GB 显存。本文是一份ABot-World Docker部署教程带你通过预构建镜像在 Ubuntu 或阿里云环境中完成一键运行并逐行讲解 docker/run.sh 脚本的每个参数全程无需手动编译任何 CUDA 依赖。ABot-World 能做什么部署完成后你会得到一个基于 Gradio 的实时交互 Web 界面上传一张首帧参考图通过键盘 WASD / IJKL 控制角色在模型实时生成的世界中行走、探索场景随操作无限延展——而不是播放一段固定视频。官方验证环境Ubuntu 22.04 CUDA 12.8 Python 3.12推荐 RTX 5090RTX 3090 / 4090 亦可运行详见 FAQ.md。部署前置检查清单开始 Docker 部署前请确认三项条件条件说明✅ Docker NVIDIA Container Toolkit需已安装否则报错could not select device driver nvidia✅ 支持 CUDA 12.8 的 NVIDIA 显卡RTX 3090/4090/5090 均满足✅ 系统内存 ≥ 64 GB推荐推理峰值显存约 19 GB第1步克隆 ABot-World 项目git clone https://gitcode.com/gh_mirrors/ab/ABot-World cd ABot-World注意Docker 镜像只包含运行环境项目代码和模型检查点会在运行时挂载进容器所以必须从本地克隆的目录启动。第2步拉取预构建 Docker 镜像国内推荐阿里云镜像已包含 PyTorch 2.8.0 (cu128)、FlashAttention、SageAttention、lightx2v_kernel等全部编译产物完全跳过手动安装。国内用户阿里云容器镜像服务速度最快docker pull crpi-56gxy7bfn4owmfmn.cn-zhangjiakou.personal.cr.aliyuncs.com/amap-cvlab/abot-world:v0-env海外用户Docker Hubdocker pull amapcvlab/abot-world:v0-env如果拉取失败或想自行构建可执行bash docker/build.sh构建细节见 docker/Dockerfile。第3步下载模型检查点检查点不打包在镜像中需先下载到项目根目录的./checkpoints由 run.sh 自动挂载进容器# 方式一HuggingFace pip install -U huggingface_hub hf download acvlab/ABot-World-0-5B-LF --local-dir ./checkpoints/ABot-World-0-5B-LF # 方式二ModelScope国内更快 pip install -U modelscope modelscope download amap_cvlab/ABot-World-0-5B-LF --local_dir ./checkpoints/ABot-World-0-5B-LF第4步run.sh 一键启动 Gradio 世界模型服务# 阿里云镜像 启动 IMAGEcrpi-56gxy7bfn4owmfmn.cn-zhangjiakou.personal.cr.aliyuncs.com/amap-cvlab/abot-world:v0-env bash docker/run.sh # 或 Docker Hub 镜像 IMAGEamapcvlab/abot-world:v0-env bash docker/run.sh启动后浏览器推荐 Chrome打开http://localhost:2233即可进入交互式世界。容器内的入口脚本是 web_client/run.sh端口 2233 由 web_client/config.py 中的SERVER_PORT定义。run.sh 脚本完整讲解run.sh 的核心逻辑只有四行关键配置配合环境变量即可覆盖 90% 的使用场景IMAGE${IMAGE:-abot-world:latest} # 镜像名默认本地自建镜像 PORT${PORT:-2233} # 宿主机映射端口 CUDA_ID${CUDA_ID:-0} # 使用的 GPU 编号4个常用参数速查表命令作用bash docker/run.sh默认启动GPU 0 端口 2233CUDA_ID1 bash docker/run.sh指定使用第 1 块 GPUPORT8080 bash docker/run.sh宿主机端口被占用时换端口bash docker/run.sh bash进入容器交互 Shell可容器内下载模型脚本内部通过docker run完成三件关键事挂载整个项目目录→ 容器内/workspace/ABot-World代码改动即时生效无需重建镜像挂载 HuggingFace 缓存→~/.cache/huggingface持久化下载配置 GPU 与性能参数→--gpus all、--shm-size32GB、--ipchost常见问题排查could not select device driver nvidiaNVIDIA Container Toolkit 未安装或安装后未重启 Docker 服务。端口冲突用PORT新端口 bash docker/run.sh更换宿主机端口。非 Blackwell 显卡出现 CUDA 报错lightx2v_kernel量化内核仅针对sm_120aRTX 5090编译硬件兼容细节见 FAQ.md。更多构建选项TORCH_CUDA_ARCH_LIST、MAX_JOBS、卷挂载说明见 docker/README.md。总结整个ABot-World Docker部署流程只需四步克隆仓库 → 拉取预构建镜像国内走阿里云容器镜像服务→ 下载模型检查点 →bash docker/run.sh一键启动。得益于镜像只装环境、代码运行时挂载的设计你的任何代码修改都能在下次启动时立即生效。在一张 RTX 5090 上你就能获得 720P、16 FPS 的无限交互式世界生成体验 。【免费下载链接】ABot-WorldInfinite Interactive World Rollout on a Single Desktop GPU项目地址: https://gitcode.com/gh_mirrors/ab/ABot-World创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考