螞蟻靈波科技在具身智能領(lǐng)域再推創(chuàng)新成果——具身世界模型LingBot-VA正式開源。該模型首次構(gòu)建自回歸視頻-動作世界建?？蚣埽ㄟ^將大規(guī)模視頻生成能力與機器人控制技術(shù)深度整合，實現(xiàn)了"預(yù)測世界狀態(tài)"與"生成動作序列"的同步輸出。這一突破使機器人具備"推演即行動"的類人決策能力，在復雜任務(wù)執(zhí)行中展現(xiàn)出顯著優(yōu)勢。

真機實測數(shù)據(jù)顯示，LingBot-VA在三大類六項高難度任務(wù)中表現(xiàn)卓越。面對制作早餐、拆解快遞等長時序任務(wù)，插入試管、拾取螺絲等高精度操作，以及疊衣物、整理褲裝等柔性物體操控場景，模型僅需30-50條演示數(shù)據(jù)即可完成適配。與行業(yè)標桿Pi0.5相比，其任務(wù)成功率平均提升20%，在復雜物理交互場景中展現(xiàn)出更強的環(huán)境適應(yīng)能力。

在仿真環(huán)境測試中，該模型持續(xù)刷新行業(yè)紀錄。雙臂協(xié)同操作基準RoboTwin 2.0測試顯示，LingBot-VA將任務(wù)成功率首次推高至90%以上；長時序終身學習基準LIBERO測試中，更取得98.5%的平均成功率。這些數(shù)據(jù)驗證了模型在復雜動態(tài)環(huán)境中的穩(wěn)定性和可靠性。

技術(shù)架構(gòu)方面，LingBot-VA采用創(chuàng)新的Mixture-of-Transformers（MoT）設(shè)計，通過跨模態(tài)融合機制實現(xiàn)視頻理解與動作控制的有機統(tǒng)一。其閉環(huán)推演系統(tǒng)可實時整合環(huán)境反饋，確保生成內(nèi)容始終符合物理規(guī)律。針對機器人端側(cè)部署的計算瓶頸，研發(fā)團隊設(shè)計了異步推理管線，將動作預(yù)測與執(zhí)行指令并行處理，配合記憶緩存機制和噪聲增強策略，在保證控制精度的同時將響應(yīng)延遲降低至行業(yè)領(lǐng)先水平。

此次開源是螞蟻靈波技術(shù)生態(tài)建設(shè)的重要里程碑。繼此前發(fā)布模擬環(huán)境LingBot-World、智能基座LingBot-VLA和空間感知模塊LingBot-Depth后，LingBot-VA的加入完整構(gòu)建了"世界模型賦能具身操作"的技術(shù)路徑。所有核心代碼、模型權(quán)重及訓練框架已通過InclusionAI社區(qū)向全球開發(fā)者開放，為真實產(chǎn)業(yè)場景中的AGI應(yīng)用提供基礎(chǔ)設(shè)施支持。