科技量子位··AI 生成
行业首个具身原生世界动作模型来了！蚂蚁灵波发布LingBot-VA 2.0
蚂蚁灵波发布了行业首个具身原生世界动作模型LingBot-VA 2.0，标志着机器人基础模型从依赖数字世界模型「嫁接」转向基于物理世界原生需求设计。文章详细介绍了该模型在自回归架构、语义视觉-动作分词器、因果预训练和MoE架构上的四大核心设计，并宣称在真机测试中实现单卡150Hz实时推理效率。文章本质是一篇企业产品发布稿，适合对具身智能前沿技术路线感兴趣的读者快速了解蚂蚁灵波的技术主张和产品布局。原文 ↗原文 ↗
核心观点
- ▍蚂蚁灵波发布业界首个具身原生世界动作模型LingBot-VA 2.0，主张机器人「大脑」应从物理世界交互的原生需求出发进行设计，而非基于数字世界模型微调嫁接。
- 01模型采用基于自回归架构的四个核心设计：语义视觉-动作分词器、严格的因果预训练范式、MoE架构、增强的异步推理机制。
- 02LingBot-VA 2.0在真机测试中，在不依赖外部拍摄设备的情况下，能完成与人类的多轮随机对打。
- 03模型宣称实现单卡150Hz的实时推理效率，应对行业普遍面临的具身世界模型执行效率低的问题。
- 04蚂蚁灵波本周已连续发布和开源了LingBot-Vision、LingBot-Depth 2.0、LingBot-VLA 2.0、LingBot-World 2.0、LingBot-Video等多款模型，LingBot-VA 2.0为集大成者。
反方 / 局限
- — 文章未提供任何独立第三方评测数据、与主流路线的横向对比基准测试结果，或对自身技术路线局限性的讨论。
前置背景
技术原理
应用场景
延伸追问