LingBot-VLA 2.0 是什么

具身智能领域迎来新成员：蚂蚁灵波科技开源的 LingBot-VLA 2.0。

它本质上是一个面向机器人的“大脑”模型。负责理解环境、做出决策、操控身体完成动作。

模型背后是 6万小时的预训练数据。其中，5万小时来自20种不同机器人的实际操作数据，1万小时是人类操作的第一视角视频。

它覆盖了17个品牌、20种机器人构型。无论是单臂、双臂、双足还是轮式机器人，都能在这个框架下找到位置。

模型采用稀疏MoE架构，配合统一动作空间设计。在GM-100双臂评测和长程移动操作任务中，表现均超过π0.5和GR00T N1.7。

在RTX 4090上，推理耗时低于130毫秒，对于实时控制来说相当可观。

LingBot-VLA 2.0 的主要功能

• 20+构型泛化：支持17个品牌20种机器人构型，覆盖单臂、双臂、双足、轮式等主流形态。
• 多自由度控制：头部、腰部、末端执行器、底盘、手臂、夹爪等全身自由度统一调度。
• 双臂协同操作：在GM-100评测中，任务进度分和成功率领先同类竞品。
• 长程移动操作：支持跨域场景的长序列任务，例如冰箱收纳、灶台清洁。
• 高效推理部署：后训练版本在RTX 4090上推理耗时控制在130毫秒以内，满足实时响应需求。

LingBot-VLA 2.0 的技术原理

大规模异构数据预训练

从9万小时原始数据中清洗出6万小时高质量数据。其中5万小时来自20种机器人构型的真机操作，1万小时来自第一视角人类操作视频，覆盖多样化物理交互场景。

统一动作空间表示

将20种异构机器人构型对齐到共享的Arm、EEF、Gripper、Move、Waist、Head、Hand等动作维度，实现跨本体的可扩展训练。

稀疏MoE架构

模型采用1.6B总参数、0.6B激活参数的稀疏混合专家架构。在相同激活参数预算下，训练损失和验证动作误差均显著低于Dense 0.6B模型，兼顾性能与推理效率。

双查询蒸馏感知预测

通过Dual-query Distillation机制，同时预测当前和未来的RGB、深度图及DINO视觉表征，增强模型对动态环境的时序理解能力。

多阶段数据清洗流水线

将原始数据分为机器人流和自我中心流。依次通过平滑动作与状态过滤、高质量视频筛选、VLM过滤、手部轨迹重建与标准化等阶段，逐步提纯训练数据。

如何使用 LingBot-VLA 2.0

• 获取模型权重：访问Hugging Face或魔搭社区，下载LingBot-VLA 2.0预训练模型。
• 克隆开源代码：从GitHub获取推理与部署代码，阅读README了解环境依赖。
• 配置机器人本体：根据官方支持的20种构型清单，准备对应机器人硬件与传感器。
• 部署推理：将模型加载至RTX 4090，或已适配的旭日S600、Jetson Thor/Orin等边缘计算平台。
• 执行操作任务：通过统一动作接口向机器人发送指令，完成双臂操作或长程移动任务。

LingBot-VLA 2.0 的核心优势

• 跨构型泛化能力最强：覆盖20种机器人构型，是业内支持本体种类最多的开源VLA模型之一。
• 双臂与移动操作双领先：在GM-100双臂评测和长程移动操作跨域评测中，均超越π0.5和GR00T N1.7。
• 推理效率优化：稀疏MoE架构使1.6B模型仅激活0.6B参数，RTX 4090上推理低于130ms，适配边缘芯片。
• 生态适配完善：已完成地瓜旭日S600、英伟达Jetson Thor/Orin等主流芯片适配，并与乐聚、钛虎等本体厂商建立合作。

LingBot-VLA 2.0 的项目地址

• 项目官网：https://technology.robbyant.com/lingbot-vla-v2
• GitHub仓库：https://github.com/robbyant/lingbot-vla-v2
• HuggingFace模型库：https://huggingface.co/collections/robbyant/lingbot-vla-v2
• arXiv技术论文：https://arxiv.org/pdf/2607.06403

LingBot-VLA 2.0 的同类竞品对比

LingBot-VLA 2.0 的应用场景

• 零售服务：在药店、商超等场景，完成货架整理、商品取放、库存盘点等双臂操作任务。
• 物流仓储：执行包裹分拣、货物搬运、长程移动装卸等流程，适配轮式移动底盘。
• 工业制造：完成精密零部件装配、工具取放、设备巡检等需要高精度与多自由度协同的任务。
• 家庭服务：支持冰箱收纳、灶台清洁、关节物体操作等日常家务。
• 科研开发：为高校与研究机构提供开源VLA基座，加速具身智能算法迭代与本体适配研究。

《夸克》非常好用的免费AI浏览器

下载APP查看