突破具身智能泛化瓶颈！支持20多种机器人构型，蚂蚁灵波开源具身基座模型LingBot-VLA 2.0
7 月 8 日，蚂蚁灵波科技宣布升级并开源新一代具身基座模型 LingBot-VLA 2.0。作为今年 1 月开源版本 LingBot-VLA 1.0 的全面升级，LingBot-VLA 2.0在预训练阶段融入6万小时高质量真实物理数据，覆盖 17 个主流机器人品牌的 20 种机器人构型，并扩展对头部、腰部、末端执行器及移动底盘等自由度的支持。在构型泛化、自由度支持和落地效率等方面实现显著提升。
当前具身智产业日新月异，“小脑”和硬件本体加速演进，但行业“通用大脑”仍是规模化产业落地的核心制约。从“大脑”的角度，无论是模型能力，还是模型落地的效率与成本，都亟待突破。
技术报告显示，LingBot-VLA 2.0 在预训练阶段支持的机器人品牌包括乐聚、智元、宇树、松灵、星海图、银河通用、星尘、睿尔曼、Franka、方舟、北京人形、傅立叶、魔法原子、千寻、零次方、非夕、青龙等17家机器人厂商，覆盖单臂/双臂，双足/轮式等多种形态。
在自由度支持方面，LingBot-VLA 2.0 全面扩充了对头部、腰部、末端执行器（手）以及移动底盘等自由度的支持。
在双臂操作方面，基于上海交通大学 GM-100 评测，在 AgileX Cobot Magic 和 Galaxea R1 Pro 两个双臂机器人平台上，LingBot-VLA 2.0 的总体平均任务进度分和成功率均领先于 π0.5 与 GR00T N1.7。本次评测中，所有参评模型均以单一通用模型（generalist）部署，未针对特定任务做专项微调（specialist）。这一结果展现出 LingBot-VLA 2.0 更强的双臂协同操作能力和跨本体、多任务泛化能力。
（图说：LingBot-VLA 2.0 在 GM-100 评测中性能综合领先）
在移动能力方面，LingBot-VLA 2.0 基于两类构型——方舟机械臂+松灵底盘，以及星尘智能Astribot S1，与 π0.5 做了初步对比测试。结果显示，LingBot-VLA 2.0 在长程移动操作任务中的任务进度分和成功率均实现领先，尤其在更具挑战性的跨域场景中保持优势，展现出更强的长序列任务推进能力和移动操作泛化能力。
在移动操作评测中，任务被拆解为多个连续子步骤，每个步骤根据难度和重要性赋予不同分值。机器人完成相应步骤即可获得对应分数，最终总分反映其在长序列任务中的任务推进能力。相比单纯统计最终成功率，这种评分方式能更细致地衡量模型在移动、双臂协作、抓取、放置、开门、清洁等不同环节的综合能力。
（图说：在长程移动操作任务上，LingBot-VLA 2.0 在跨域场景中优势明显）
支撑这些能力升级的是更大规模、更高质量的数据体系和更优的训练架构：蚂蚁灵波从 9 万小时数据中清洗出 5 万小时高质量真机数据，并从 2 万小时第一视角人类操作数据中提炼 1 万小时有效数据，使预训练数据总量达到 6 万小时。
当前，行业已逐步进入产业落地试点阶段，高效后训练成为落地的关键制约因素。本次LingBot-VLA 2.0 同步开源更高效后训练版本，推理耗时在 RTX 4090上控制在 130 毫秒以内。
据了解，蚂蚁灵波携手乐聚、钛虎等生态本体伙伴，以及国大药房、隆盛等生态客户伙伴，在零售分拣、物流分拣、工业等落地场景开启全面商业落地测试。另一方面，蚂蚁灵波联合简智科技等数据联盟生态伙伴，共建标准化数据体系。一个以跨构型 VLA 基座模型为核心，本体厂商与数据机构深度参与的具身智能生态正在成形。
目前，LingBot-VLA 2.0 已开源。开发者可在 Hugging Face、魔搭社区获取模型权重，在 GitHub 下载开源代码。据悉，下一步蚂蚁灵波还将开启系列开发者活动，并同步推出更适合开发者的技术套件。
