蚂蚁灵波VLA模型
3 节点1 篇6 来源
蚂蚁集团旗下灵波科技(Robbyant)推出的具身智能基座模型 LingBot-VLA 系列,正通过“一脑多机”策略推动机器人规模化落地。2026年7月,该公司全面开源升级后的 LingBot-VLA 2.0,该模型基于6万小时真实物理数据预训练,支持跨20种机器人构型的全身控制,并在GM-100基准测试中超越 π0.5 等主流模型。随后在11月举办的首届蚂蚁灵波具身大模型挑战赛中,开发者验证了通用大模型与具身基础模型协同的新路径:冠军团队 TARS 通过引入大模型辅助理解任务并优化数据工程,显著提升了真机操作成功率。尽管仿真与现实差距仍是挑战,但这一进展表明,降低后训练成本、提升跨本体泛化能力已成为具身智能落地的关键突破口。
事情怎么走到这一步
蚂蚁灵波宣布全面开源首款具身大模型 LingBot-VLA 1.0,提供模型权重及全套代码库,旨在降低商业化落地门槛。
finance.sina.com.cn ↗蚂蚁灵波正式开源 LingBot-VLA 2.0。该版本预训练数据量增至6万小时,覆盖17家厂商的20种机器人构型,支持头部、腰部及移动底盘等自由度,推理延迟控制在130毫秒以内。
21jingji.com ↗首届蚂蚁灵波具身大模型挑战赛在上海收官。冠军团队 TARS 得分82分,比赛显示接入 DeepSeek 等通用大模型辅助理解任务能显著提升 LingBot-VLA 2.0 在真实场景中的表现。
geekpark.net ↗
还没定论的部分
- 通用大模型与具身基础模型的协同是否已形成可复制的标准范式,还是仍依赖特定团队的工程技巧?
- LingBot-VLA 2.0 在商业试点(如零售分拣、物流)中的实际部署成本和效率提升幅度如何?
- 行业尚未收敛的技术路线中,哪类数据扩大规模后能带来真正的能力跃迁?