全球首个！「具身原生」世界动作模型来了

120 0 0

文章摘要

蚂蚁集团旗下蚂蚁灵波发布了全球首个具身原生预训练模型LingBot-VA 2.0，该模型专为机器人在物理世界执行任务而设计，旨在为其配备真正理解物理规律的机器大脑。与传统的数字世界模型微调不同，该模型从零开始构建，实现了从数据、训练目标到模型架构的全面原生。

在技术路线上，LingBot-VA 2.0采用因果建模取代传统的下一帧预测，使机器人能够准确理解自身动作对物理世界产生的影响。模型引入了语义视觉与动作分词器，将视觉画面与动作指令统一为同一种语言，从而能够直接利用海量互联网无标注视频进行预训练以建立物理直觉。此外，异步Foresight推理机制让机器人具备了边执行边思考的能力，通过持续预判和实时校准动作，大幅提升了在动态环境中的响应速度。

模型的底层架构由全自主预训练、MoE稀疏架构、新一代语义VAE和异步推理四大支柱构成。通过多重加速技术优化，模型单chunk推理时间降至142毫秒，异步控制频率提升至225Hz，实现了单卡高效运行。在RoboTwin 2.0仿真基准测试中，其平均成功率达到93.6%，且在面临光照变化和杂物干扰等真实世界噪音时展现出优异的鲁棒性，仅需极少量数据即可完成新场景的对齐。

在生态布局方面，LingBot-VA 2.0与多模态大模型LingBot-VLA 2.0形成深度互补。两者通过产业落地数据反哺预训练迭代，共同构建了包含视觉、视频和世界模型在内的全栈大脑生态。这一系列模型的发布不仅完成了与多家厂商多构型机器人的适配验证，推动了物流和工业等真实场景的落地，更稳步开启了具身智能领域的数据飞轮，标志着机器人大脑底层基础模型竞争的全面开启。