量子位
·
蚂蚁灵波开源具身大模型LingBot-VLA，让机器人“看的更清楚 做的更明白”
💡
原文中文，约1800字，阅读约需5分钟。
📝
内容提要
蚂蚁灵波科技开源了具身大模型LingBot-VLA，提升了机器人在真实场景中的操作能力。该模型实现了跨本体和跨任务的泛化，降低了训练成本，并在多项评测中刷新成功率纪录。LingBot-VLA结合高精度空间感知模型，增强了深度信息处理能力，助力开发者快速适应不同场景，推动具身智能的发展。
🎯
关键要点
- 蚂蚁灵波科技开源具身大模型LingBot-VLA，提升机器人操作能力。
- LingBot-VLA实现跨本体和跨任务的泛化，降低训练成本。
- 在GM-100评测中，LingBot-VLA成功率从13.0%提升至17.3%。
- 在RoboTwin 2.0评测中，LingBot-VLA成功率比Pi0.5提升9.92%。
- LingBot-VLA基于20000+小时真机数据预训练，支持多种机器人构型。
- 仅需80条演示数据即可实现高质量任务迁移，降低适配门槛。
- 开源提供模型权重及全套代码库，压缩模型训练周期。
- 蚂蚁灵波科技CEO朱兴强调高效基座模型对具身智能应用的重要性。
- LingBot-VLA是蚂蚁在AGI研发上的探索性成果，推动具身智能技术迭代。
- LingBot-VLA已与多家厂商完成适配，验证跨本体迁移能力。
❓
延伸问答
LingBot-VLA的主要功能是什么？
LingBot-VLA是一款具身大模型，提升机器人在真实场景中的操作能力，实现跨本体和跨任务的泛化。
LingBot-VLA如何降低训练成本？
LingBot-VLA通过基于20000+小时的真机数据预训练，减少了对大量数据的需求，仅需80条演示数据即可实现高质量任务迁移。
LingBot-VLA在评测中表现如何？
在GM-100评测中，LingBot-VLA的成功率从13.0%提升至17.3%，在RoboTwin 2.0评测中成功率比Pi0.5提升9.92%。
LingBot-VLA的开源对开发者有什么帮助？
开源提供模型权重和全套代码库，压缩模型训练周期，降低商业化落地的算力与时间门槛，帮助开发者快速适配场景。
LingBot-VLA如何实现跨本体迁移？
LingBot-VLA支持多种机器人构型，能够无缝迁移至不同构型的机器人，保持成功率与鲁棒性。
蚂蚁灵波科技的CEO对LingBot-VLA有何看法？
CEO朱兴强调高效基座模型对具身智能应用的重要性，希望通过LingBot-VLA的开源推动具身智能的规模化应用。
➡️
