蚂蚁灵波开源具身大模型LingBot-VLA

LingBot-VLA凭借扎实的基座能力，大幅降低了下游任务的适配门槛，仅需80条演示数据即可实现高质 量的任务迁移。此外，配合底层代码库的深度优化，其训练效率达到StarVLA、OpenPI等主流框架的 1.5~2.8倍，实现了数据与算力成本的双重降低。 此次开源不仅提供了模型权重，还同步开放了包含数据处理、高效微调及自动化评估在内的全套代码 库。这一举措大幅压缩了模型训练周期，降低了商业化落地的算力与时间门槛，助力开发者以更低成本 快速适配自有场景，模型实用性大幅提升。 长期以来，由于本体差异、任务差异、环境差异等，具身智能模型落地面临严重的泛化性挑战。开发者 往往需要针对不同硬件和不同任务重复采集大量数据进行后训练，直接抬高了落地成本，也使行业难以 形成可规模化复制的交付路径。 针对上述问题，LingBot-VLA基于20000+小时大规模真机数据进行预训练，覆盖了9种主流双臂机器人 构型(包括AgileX，Galaxea R1Pro、R1Lite、AgiBot G1等)，从而让同一个"大脑"可以无缝迁移至不同构 型的机器人，并在任务变化、环境变化时保持可用的成功率与鲁棒性。与高精度空间感知模型Ling ...