20种机器人本体通吃！蚂蚁新一代VLA具身大脑刚刚开源了

AIGC动态1小时前发布 almosthuman2014

41 0 0

文章摘要

蚂蚁灵波正式发布了新一代具身智能基座模型LingBot-VLA 2.0，致力于将跨本体视觉语言动作模型从单点演示推向可复现与可部署的工程链路。该模型的核心目标是解决一脑多机的行业难题，成功实现了对十七家厂商的二十种机器人构型的全面支持，并将动作控制范围从单一机械臂扩展至头部、腰部、末端执行器和移动底盘等全身自由度。

在技术架构层面，模型进行了深度优化以应对多本体异构数据的挑战。系统引入了混合专家架构，通过解耦专家负载均衡与主要动作学习目标，有效吸收了不同机器人本体之间的共性与差异。同时，模型采用双查询蒸馏机制，融合了深度感知模型与视频时序表征模型，显著增强了机器人在复杂物理环境中的三维空间感知能力以及对长序列任务状态演化的未来预测能力。

数据工程是支撑跨本体能力的另一大关键基石。研发团队从海量原始数据中清洗并构建了总量达六万小时的高质量预训练数据集，涵盖真实机器人操作经验与人类第一视角交互轨迹。通过统一的多维状态与动作表示以及由视觉语言模型驱动的自动标注管线，异构数据被高效转化为包含任务级与子任务级语言监督信号的标准化训练样本。

为了满足产业试点的实际部署需求，该模型同步开源了高效后训练版本，将推理延迟控制在极低水平，大幅降低了新任务与新本体的适配成本。跨本体模型的演进不仅依赖于参数规模的扩大，更需要数据工程、统一表示和时空监督等底层技术体系的共同支撑。通用具身大脑的最终价值，将取决于其在多样化机器人本体和真实开放场景任务中的持续验证与稳定执行能力。