量子位
·
蚂蚁具身智能明牌了：做大脑，和宇树们错位竞争
内容提要
蚂蚁灵波开源的LingBot-VLA是当前最强的具身智能模型，基于20000小时真实数据，超越多个国际顶尖模型。它通过真实世界数据训练，解决了机器人在环境变化中的适应问题，展现出强大的泛化能力和高效的任务执行能力，为通用人工智能的发展提供了新路径。
关键要点
-
蚂蚁灵波开源的LingBot-VLA是当前最强的具身智能模型，基于20000小时真实数据。
-
LingBot-VLA在权威评测中超越了多个国际顶尖模型，如π0.5和GR00T N1.6。
-
LingBot-VLA解决了机器人在环境变化中的适应问题，展现出强大的泛化能力。
-
模型通过真实世界数据训练，首次验证了VLA模型性能与数据规模的Scaling Law。
-
LingBot-VLA采用真实世界的机器人操作数据，避免了仿真环境的局限性。
-
研究团队使用9种不同品牌的双臂机器人收集数据，增强了模型的泛化能力。
-
模型架构采用专家混合Transformer，结合高层次语义理解与具体动作生成。
-
LingBot-VLA引入深度估计模型，提升了机器人对三维空间的感知能力。
-
训练基础设施经过优化，显著提升了模型训练的效率。
-
在GM-100基准测试中，LingBot-VLA在任务成功率和进度得分上全面领先竞争对手。
-
LingBot-VLA提供通用智能基座思路，旨在实现一次训练，多端部署。
-
蚂蚁灵波团队开源模型和评估基准，推动行业向可规模化落地的新阶段迈进。
-
蚂蚁的AGI探索路径包括基础大模型、通用AI助手和具身智能的全面布局。
延伸问答
LingBot-VLA模型的主要优势是什么？
LingBot-VLA模型的主要优势在于其强大的泛化能力和高效的任务执行能力，能够适应环境变化，并在权威评测中超越多个国际顶尖模型。
LingBot-VLA是如何训练的？
LingBot-VLA通过20000小时的真实世界机器人操作数据进行训练，避免了仿真环境的局限性，增强了模型的泛化能力。
LingBot-VLA在评测中表现如何？
在GM-100基准测试中，LingBot-VLA在任务成功率和进度得分上全面领先于竞争对手，如π0.5和GR00T N1.6。
LingBot-VLA的架构特点是什么？
LingBot-VLA采用专家混合Transformer架构，结合高层次语义理解与具体动作生成，提升了模型的执行能力。
LingBot-VLA如何解决机器人适应环境变化的问题？
LingBot-VLA通过真实世界数据训练，使机器人能够在不同环境和条件下灵活应对，展现出强大的适应能力。
蚂蚁灵波的AGI探索路径包括哪些方面？
蚂蚁灵波的AGI探索路径包括基础大模型、通用AI助手和具身智能的全面布局，旨在推动通用人工智能的发展。
