量子位
·
大事不好！机器人学会预测未来了
💡
原文中文，约4200字，阅读约需10分钟。
📝
内容提要
蚂蚁灵波开源的LingBot-VA是全球首个因果视频-动作模型，能够预测未来并执行任务，具备长期记忆和高效泛化能力，适应新任务。通过视频推演，机器人在复杂任务中表现优异，标志着通用机器人进入视频时代。
🎯
关键要点
- 蚂蚁灵波开源的LingBot-VA是全球首个因果视频-动作模型。
- LingBot-VA能够预测未来并执行任务，具备长期记忆和高效泛化能力。
- LingBot-VA通过自回归视频预测打破了传统的观察-反应模式。
- 该模型在长序列任务和高精度任务中表现优异，能够记住之前的状态。
- LingBot-VA采用视频世界模型和逆向动力学的两步策略进行任务执行。
- 模型引入因果注意力和KV-cache技术，确保长期记忆和逻辑严密性。
- LingBot-VA在真机实验中表现出色，成功率高于其他模型。
- 蚂蚁灵波的四个开源项目形成了完整的技术主线，推动通用机器人进入视频时代。
- LingBot-VA的出现标志着世界模型在机器人控制中的重要性。
- 蚂蚁灵波的开源动作引起了行业的广泛关注，推动了技术的进步。
➡️
