機器人前瞻（公眾號：robot_pro）
作者?|??許麗思
編輯?|??漠影
機器人前瞻1月28日報道，今天，螞蟻集團旗下靈波科技宣布全面開源具身大模型LingBot-VLA。這是螞蟻開源的第一款具身智能基座模型，實現(xiàn)了跨本體、跨任務泛化能力，并大幅降低后訓練成本。
靈波科技成立于2024年，由螞蟻集團全資持股，是螞蟻集團在具身智能領域的重要布局。去年9月，靈波科技推出首款單場景服務機器人Robbyant-R1，具備長序列任務能力，可完成從取菜、烹飪到清潔的全流程自動化。
昨天，靈波科技開源高精度空間感知模型LingBot-Depth，搭載LingBot-Depth模型的奧比中光Gemini 330系列相機在深度精度和像素覆蓋率方面，均優(yōu)于頂級深度相機。
此次LingBot-VLA的開源，不僅提供了模型權重，還同步開放了包含數(shù)據(jù)處理、高效微調及自動化評估在內的全套代碼庫。
一、基于2萬+小時真機數(shù)據(jù)進行預訓練，覆蓋9種主流雙臂機器人構型
長期以來，由于本體差異、任務差異、環(huán)境差異等，具身智能模型落地面臨嚴重的泛化性挑戰(zhàn)。開發(fā)者往往需要針對不同硬件和不同任務重復采集大量數(shù)據(jù)進行后訓練，直接抬高了落地成本，也使行業(yè)難以形成可規(guī)?；瘡椭频慕桓堵窂健?/p>
針對上述問題，LingBot-VLA基于20000+小時大規(guī)模真機數(shù)據(jù)進行預訓練，覆蓋了9種主流雙臂機器人構型（包括 AgileX，Galaxea R1Pro、R1Lite 、AgiBot G1等），從而讓同一個“大腦”可以無縫遷移至不同構型的機器人，并在任務變化、環(huán)境變化時保持可用的成功率與魯棒性。
與高精度空間感知模型LingBot-Depth配合，LingBot-VLA能獲得更高質量的深度信息表征，通過“視力”的升級，真正做到“看得更清楚、做的更明白”。
二、跨本體泛化平均成功率超越Pi0.5，空間感知能力明顯增強
在上海交通大學開源的具身評測基準GM-100（包含100項真實操作任務）測試中，LingBot-VLA在3個不同的真實機器人平臺上，跨本體泛化平均成功率相較于Pi0.5的13.0%提升至15.7%（w/o Depth）。引入深度信息（w/Depth）后，空間感知能力增強，平均成功率提升至17.3%。
▲在 GM-100 真機評測中，LingBot-VLA 跨本體泛化性能超越 Pi0.5
在RoboTwin2.0仿真基準（包含50項任務）評測中，面對高強度的環(huán)境隨機化干擾（如光照、雜物、高度擾動），LingBot-VLA憑借可學習查詢對齊機制，高度融合深度信息，操作成功率比Pi0.5提升了9.92%。
▲在 RoboTwin 2.0 仿真評測中，LingBot-VLA 跨任務泛化性能超越 Pi0.5
據(jù)了解，在數(shù)據(jù)采集階段，LingBot-VLA使用了星海圖、松靈的硬件平臺，樂聚、庫帕思、國家地方共建人形機器人創(chuàng)新中心、北京人形機器人創(chuàng)新中心有限公司、博登智能、睿爾曼也在模型預訓練階段提供了高質量數(shù)據(jù)支持。
目前，LingBot-VLA已與星海圖、松靈、樂聚等廠商完成適配，驗證了模型在不同構型機器人上的跨本體遷移能力。
結語：具身基座模型決定了具身智能是否實現(xiàn)規(guī)?；瘧?/h2>
螞蟻靈波科技CEO朱興稱，具身智能要想大規(guī)模應用，依賴高效的具身基座模型，這直接決定了是否可用以及能否用得起。
通過LingBot-VLA的開源，螞蟻靈波希望積極探索具身智能上限，推進具身智能研發(fā)早日進入可復用、可驗證、可規(guī)模化落地的新階段，構建涵蓋基礎模型、多模態(tài)、推理、新型架構及具身智能的完整技術體系與開源生態(tài)，讓AI加速在物理世界滲透普及。
