⚛️量子位•最新收集於 56m
螞蟻集團開源 LingBot-VLA 2.0 機器人模型
💡支援 17 家以上機器人廠商的重大開源 VLA 模型發布，是具身智慧開發者的必備工具。
⚡ 30-Second TL;DR
有什麼變化
支援 17 家機器人廠商的 20 多種構型
為什麼重要
此發布大幅降低了開發者在不同硬體平台上部署先進 VLA 模型的門檻，加速具身智慧的應用普及。
下一步行動
請訪問官方儲存庫查看相容性列表，並嘗試將 LingBot-VLA 2.0 整合至您的機器人硬體專案中。
誰應關注：Developers & AI Engineers
關鍵要點
- •支援 17 家機器人廠商的 20 多種構型
- •採用 VLA (視覺-語言-動作) 架構，專注於具身智慧
- •推動機器人控制與感知領域的開源生態發展
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •LingBot-VLA 2.0 整合了螞蟻集團自研的『螞蟻具身智慧數據集』，該數據集包含大規模真實世界與模擬環境下的機器人操作數據。
- •模型架構引入了多模態指令微調（Instruction Tuning）技術，顯著提升了機器人在非結構化環境中對複雜自然語言指令的理解與執行能力。
- •該模型支援跨平台部署，透過標準化介面與 ROS 2（Robot Operating System）深度整合，降低了開發者將模型遷移至不同硬體平台的門檻。
- •螞蟻集團同步發布了配套的模擬訓練環境 LingSim，旨在解決具身智慧模型訓練中數據稀缺與真實環境測試成本過高的問題。
- •LingBot-VLA 2.0 在多項具身智慧基準測試（如 RoboTask-Bench）中，於物體抓取與長序列任務規劃指標上達到業界領先水平。
📊 競品分析▸ Show
| 特性/模型 | LingBot-VLA 2.0 | Google RT-2 | NVIDIA VIMA |
|---|---|---|---|
| 架構類型 | VLA (視覺-語言-動作) | VLA | 多模態視覺-動作 |
| 生態開放性 | 高 (支援17家廠商) | 中 (研究導向) | 中 (依賴NVIDIA硬體) |
| 核心優勢 | 跨構型泛化能力 | 大規模預訓練數據 | 長序列任務規劃 |
| 商業模式 | 開源推動生態 | 研究開源 | 軟硬體整合銷售 |
🛠️ 技術深入
- 模型架構：採用基於 Transformer 的編碼器-解碼器架構，將視覺特徵與語言指令映射至機器人動作空間。
- 動作輸出：支援連續動作空間預測，並透過機率分佈建模處理動作的不確定性。
- 視覺編碼：整合了輕量化視覺骨幹網絡，針對機器人視角下的物體識別進行了針對性優化。
- 訓練策略：採用兩階段訓練法，先進行大規模多模態預訓練，再針對特定機器人構型進行高效微調。
🔮 前景展望AI analysis grounded in cited sources
具身智慧模型將加速進入工業自動化領域。
LingBot-VLA 2.0 對多種機器人構型的廣泛支援，降低了工業場景中部署通用 AI 控制器的整合成本。
開源生態將成為具身智慧技術標準化的關鍵。
螞蟻集團透過開源策略吸引開發者社群，有助於建立統一的機器人操作數據標準與模型訓練規範。
⏳ 時間線
2025-03
螞蟻集團發布具身智慧戰略，啟動 LingBot 研發計畫。
2025-11
LingBot-VLA 1.0 內部測試版完成，初步實現單一構型任務執行。
2026-07
正式開源 LingBot-VLA 2.0，支援多種機器人硬體構型。
📰
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 ↗