螞蟻開源首款具身基座模型！后訓練代碼全開放

跨本體泛化平均成功率超Pi0.5。

作者 |許麗思

編輯 |漠影

機器人前瞻1月28日報道，今天，螞蟻集團旗下靈波科技宣布全面開源具身大模型LingBot-VLA。這是螞蟻開源的第一款具身智能基座模型，實現了跨本體、跨任務泛化能力，并大幅降低后訓練成本。

靈波科技成立于2024年，由螞蟻集團全資持股，是螞蟻集團在具身智能領域的重要布局。去年9月，靈波科技推出首款單場景服務機器人Robbyant-R1，具備長序列任務能力，可完成從取菜、烹飪到清潔的全流程自動化。

昨天，靈波科技開源高精度空間感知模型LingBot-Depth，搭載LingBot-Depth模型的奧比中光Gemini 330系列相機在深度精度和像素覆蓋率方面，均優于頂級深度相機。

此次LingBot-VLA的開源，不僅提供了模型權重，還同步開放了包含數據處理、高效微調及自動化評估在內的全套代碼庫。

01.

基于2萬+小時真機數據進行預訓練，

覆蓋9種主流雙臂機器人構型

由于本體差異、任務差異、環境差異等，具身智能模型落地一直面臨嚴重的泛化性挑戰。開發者往往需要針對不同硬件和不同任務重復采集大量數據進行后訓練，直接抬高了落地成本，也使行業難以形成可規模化復制的交付路徑。

針對上述問題，LingBot-VLA基于20000+小時大規模真機數據進行預訓練，覆蓋了9種主流雙臂機器人構型（包括 AgileX，Galaxea R1Pro、R1Lite 、AgiBot G1等），從而讓同一個“大腦”可以無縫遷移至不同構型的機器人，并在任務變化、環境變化時保持可用的成功率與魯棒性。

與高精度空間感知模型LingBot-Depth配合，LingBot-VLA能獲得更高質量的深度信息表征，通過“視力”的升級，真正做到“看得更清楚、做的更明白”。

02.

跨本體泛化平均成功率超越Pi0.5，

空間感知能力明顯增強

在上海交通大學開源的具身評測基準GM-100（包含100項真實操作任務）測試中，LingBot-VLA在3個不同的真實機器人平臺上，跨本體泛化平均成功率相較于Pi0.5的13.0%提升至15.7%（w/o Depth）。引入深度信息（w/Depth）后，空間感知能力增強，平均成功率提升至17.3%。

▲在 GM-100 真機評測中，LingBot-VLA 跨本體泛化性能超越 Pi0.5

在RoboTwin2.0仿真基準（包含50項任務）評測中，面對高強度的環境隨機化干擾（如光照、雜物、高度擾動），LingBot-VLA憑借可學習查詢對齊機制，高度融合深度信息，操作成功率比Pi0.5提升了9.92%。

▲在 RoboTwin 2.0 仿真評測中，LingBot-VLA 跨任務泛化性能超越 Pi0.5

據了解，在數據采集階段，LingBot-VLA使用了星海圖、松靈的硬件平臺，樂聚、庫帕思、國家地方共建人形機器人創新中心、北京人形機器人創新中心有限公司、博登智能、睿爾曼也在模型預訓練階段提供了高質量數據支持。

目前，LingBot-VLA已與星海圖、松靈、樂聚等廠商完成適配，驗證了模型在不同構型機器人上的跨本體遷移能力。

03.

結語：具身基座模型決定了

具身智能是否實現規模化應用

螞蟻靈波科技CEO朱興稱，具身智能要想大規模應用，依賴高效的具身基座模型，這直接決定了是否可用以及能否用得起。

通過LingBot-VLA的開源，螞蟻靈波希望積極探索具身智能上限，推進具身智能研發早日進入可復用、可驗證、可規模化落地的新階段，構建涵蓋基礎模型、多模態、推理、新型架構及具身智能的完整技術體系與開源生態，讓AI加速在物理世界滲透普及。