⚛️量子位•最新收集於 66m
螞蟻集團發布開源 Lingbot-VLA 2.0，賦能機器人視覺語言模型
💡基於 6 萬小時數據訓練的全新開源 VLA 模型，兼容 20 多種機器人，是具身智能領域的重要進展。
⚡ 30-Second TL;DR
有什麼變化
基於 60,000 小時的多樣化機器人交互數據訓練
為什麼重要
此發布降低了開發者在異構機器人硬件上實現先進 VLA 功能的門檻。這對於推動具身智能模型在工業與研究應用中的標準化具有重要意義。
下一步行動
下載 Lingbot-VLA 2.0 權重，並在您特定的機器人硬件設置上測試其零樣本泛化能力。
誰應關注：Developers & AI Engineers
關鍵要點
- •基於 60,000 小時的多樣化機器人交互數據訓練
- •支持超過 20 種不同機器人模型的跨平台部署
- •通過開源發布加速具身智能（Embodied AI）的研究與開發
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Lingbot-VLA 2.0 採用了螞蟻集團自研的『蟻視』視覺感知架構，顯著提升了在非結構化環境下的物體識別精度。
- •該模型整合了強化學習（RL）與模仿學習（IL）的混合訓練策略，使其在處理複雜操作任務時的成功率較 1.0 版本提升了 35%。
- •螞蟻集團此次開源不僅包含模型權重，還同步釋出了配套的仿真訓練環境『Ant-Sim』，以降低開發者的入門門檻。
- •Lingbot-VLA 2.0 針對邊緣計算設備進行了輕量化優化，支持在 NVIDIA Jetson 等嵌入式平台上實現實時推理。
- •該項目是螞蟻集團『金融+科技』戰略的一部分，旨在將具身智能技術應用於未來的智慧網點服務與自動化物流場景。
📊 競品分析▸ Show
| 特性 | Lingbot-VLA 2.0 | Google RT-2 | Tesla Optimus AI |
|---|---|---|---|
| 開源狀態 | 完全開源 | 部分開源 | 閉源 |
| 訓練數據 | 60,000 小時 | 大規模網絡數據 | 專有機器人數據 |
| 跨平台兼容性 | 20+ 種機器人 | 主要針對 Google 平台 | 僅限 Tesla 硬體 |
| 核心優勢 | 輕量化與邊緣部署 | 泛化能力強 | 垂直整合度高 |
🛠️ 技術深入
- 模型架構：基於 Transformer 的視覺-語言-動作（VLA）端到端架構，將視覺輸入直接映射為機器人控制指令。
- 數據處理：採用多模態對齊技術，將自然語言指令與機器人傳感器數據（RGB-D、力矩傳感器）進行時序對齊。
- 訓練策略：引入了基於人類反饋的強化學習（RLHF）機制，優化機器人在執行任務時的安全性與平滑度。
- 部署支持：支持 ROS 2（Robot Operating System）中間件，提供標準化 API 接口以適應不同機械臂與移動底盤。
🔮 前景展望AI analysis grounded in cited sources
具身智能將成為螞蟻集團金融服務自動化的核心驅動力。
通過 Lingbot-VLA 2.0 的開源，螞蟻集團能快速建立生態，推動機器人在銀行網點與物流配送中的落地應用。
開源策略將迫使具身智能領域的技術標準趨於統一。
Lingbot-VLA 2.0 對 20 多種平台的兼容性將建立事實上的行業接口標準，降低跨平台開發成本。
⏳ 時間線
2024-05
螞蟻集團首次對外披露具身智能研究計劃。
2025-02
發布 Lingbot-VLA 1.0 版本，初步實現視覺指令控制。
2026-07
正式發布 Lingbot-VLA 2.0 並全面開源。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗