突破具身智能泛化瓶頸！支持20多種機器人構型，螞蟻靈波開源具身基座模型LingBot-VLA 2.0

7 月 8 日，螞蟻靈波科技宣布升級并開源新一代具身基座模型 LingBot-VLA 2.0。作為今年 1 月開源版本 LingBot-VLA 1.0 的全面升級，LingBot-VLA 2.0在預訓練階段融入6萬小時高質量真實物理數據，覆蓋 17 個主流機器人品牌的 20 種機器人構型，并擴展對頭部、腰部、末端執行器及移動底盤等自由度的支持。在構型泛化、自由度支持和落地效率等方面實現顯著提升。 

當前具身智產業日新月異，“小腦”和硬件本體加速演進，但行業“通用大腦”仍是規模化產業落地的核心制約。從“大腦”的角度，無論是模型能力，還是模型落地的效率與成本，都亟待突破。

技術報告顯示，LingBot-VLA 2.0 在預訓練階段支持的機器人品牌包括樂聚、智元、宇樹、松靈、星海圖、銀河通用、星塵、睿爾曼、Franka、方舟、北京人形、傅立葉、魔法原子、千尋、零次方、非夕、青龍等17家機器人廠商，覆蓋單臂/雙臂，雙足/輪式等多種形態。

在自由度支持方面，LingBot-VLA 2.0 全面擴充了對頭部、腰部、末端執行器（手）以及移動底盤等自由度的支持。

在雙臂操作方面，基于上海交通大學 GM-100 評測，在 AgileX Cobot Magic 和 Galaxea R1 Pro 兩個雙臂機器人平臺上，LingBot-VLA 2.0 的總體平均任務進度分和成功率均領先于 π0.5 與 GR00T N1.7。本次評測中，所有參評模型均以單一通用模型（generalist）部署，未針對特定任務做專項微調（specialist）。這一結果展現出 LingBot-VLA 2.0 更強的雙臂協同操作能力和跨本體、多任務泛化能力。 

（圖說：LingBot-VLA 2.0 在 GM-100 評測中性能綜合領先）

 在移動能力方面，LingBot-VLA 2.0 基于兩類構型——方舟機械臂+松靈底盤，以及星塵智能Astribot S1，與 π0.5 做了初步對比測試。結果顯示，LingBot-VLA 2.0 在長程移動操作任務中的任務進度分和成功率均實現領先，尤其在更具挑戰性的跨域場景中保持優勢，展現出更強的長序列任務推進能力和移動操作泛化能力。

 在移動操作評測中，任務被拆解為多個連續子步驟，每個步驟根據難度和重要性賦予不同分值。機器人完成相應步驟即可獲得對應分數，最終總分反映其在長序列任務中的任務推進能力。相比單純統計最終成功率，這種評分方式能更細致地衡量模型在移動、雙臂協作、抓取、放置、開門、清潔等不同環節的綜合能力。

 （圖說：在長程移動操作任務上，LingBot-VLA 2.0 在跨域場景中優勢明顯）

 支撐這些能力升級的是更大規模、更高質量的數據體系和更優的訓練架構：螞蟻靈波從 9 萬小時數據中清洗出 5 萬小時高質量真機數據，并從 2 萬小時第一視角人類操作數據中提煉 1 萬小時有效數據，使預訓練數據總量達到 6 萬小時。

 當前，行業已逐步進入產業落地試點階段，高效后訓練成為落地的關鍵制約因素。本次LingBot-VLA 2.0 同步開源更高效后訓練版本，推理耗時在 RTX 4090上控制在 130 毫秒以內。

 據了解，螞蟻靈波攜手樂聚、鈦虎等生態本體伙伴，以及國大藥房、隆盛等生態客戶伙伴，在零售分揀、物流分揀、工業等落地場景開啟全面商業落地測試。另一方面，螞蟻靈波聯合簡智科技等數據聯盟生態伙伴，共建標準化數據體系。一個以跨構型 VLA 基座模型為核心，本體廠商與數據機構深度參與的具身智能生態正在成形。

 目前，LingBot-VLA 2.0 已開源。開發者可在 Hugging Face、魔搭社區獲取模型權重，在 GitHub 下載開源代碼。據悉，下一步螞蟻靈波還將開啟系列開發者活動，并同步推出更適合開發者的技術套件。