蚂蚁灵波发布并开源具身大模型 LingBot-VLA，后训练全流程代码同步放出，让开源更好用

在昨日开源高精度空间感知模型 LingBot-Depth 之后，蚂蚁集团旗下灵波科技今日再度宣布，全面开源具身大模型 LingBot-VLA。作为面向真实机器人操作的“智能基座”，LingBot-VLA 具备跨本体、跨任务的泛化能力，并显著降低后训练成本，助推“一脑多机”走向工程化落地。

在上海交通大学开源的具身评测基准 GM-100（共100项真实操作任务）中，LingBot-VLA 在3台不同的真实机器人平台上实现跨本体泛化，平均成功率相较 Pi0.5 的13.0% 提升至15.7%(w/o Depth)。引入深度信息后(w/ Depth)，空间理解进一步增强，平均成功率升至17.3%，刷新了真机评测记录，证明了其在真实场景中的稳定表现。

（图注：在 GM-100 真机评测中，LingBot-VLA 的跨本体泛化超过 Pi0.5）

在 RoboTwin2.0 仿真基准（含50项任务）测试里，面对光照变化、杂物干扰、台面高度波动等强随机化环境，LingBot-VLA 通过可学习的查询对齐机制，深度融合深度信息，整体操作成功率较 Pi0.5 提升了9.92%，实现从仿真到真实的全链路性能领先。

（图注：在 RoboTwin2.0 仿真评测中，LingBot-VLA 的跨任务泛化优于 Pi0.5）

长期以来，具身智能在落地时面临本体、任务、环境等多重差异带来的泛化难题。开发者常需要针对不同硬件和任务重复采集大量数据并进行后训练，导致成本高、周期长，也难以形成可规模复制的交付路径。

为解决这些痛点，LingBot-VLA 基于 20000+ 小时的海量真机数据完成预训练，覆盖 9 种主流双臂机器人构型（包括 AgileX、Galaxea R1Pro、R1Lite、AgiBot G1 等），让同一个“通用大脑”能够无缝迁移到不同形态的机器人上，并在任务或环境变化时仍保持稳定的成功率与鲁棒性。配合高精度空间感知模型 LingBot-Depth，LingBot-VLA 能获得更优的深度表征，依托更清晰的“视力”，实现“看得更准、做得更稳”。

得益于扎实的基座能力，LingBot-VLA 大幅降低下游任务的适配难度，仅需 80 条演示数据即可实现高质量任务迁移。同时，依托底层代码库优化，其训练效率相比 StarVLA、OpenPI 等主流框架提升至 1.5~2.8 倍，在数据与算力开销上实现双降。

此次开源不仅放出模型权重，还同步提供包含数据处理、高效微调与自动评估在内的完整代码库，显著缩短训练迭代周期，降低商业落地所需的算力与时间门槛，帮助开发者以更低成本快速适配自有场景，提升模型的实用价值。

蚂蚁灵波科技 CEO 朱兴表示：“要让具身智能大规模应用，离不开高效的具身基座模型，这决定了能不能用、用得起。我们希望借助 LingBot-VLA 的开源，持续探索具身智能的上限，推动研发迈入可复用、可验证、可规模落地的新阶段，让 AI 更快融入物理世界，服务每一个人。”

LingBot-VLA 是蚂蚁开源的第一款具身智能基座模型，也是蚂蚁在 AGI 研发上的一次重要探索。朱兴介绍，蚂蚁集团坚持以开源开放推进 AGI，打造了 InclusionAI，已构建覆盖基础模型、多模态、推理、新型架构与具身智能的完整技术体系与开源生态。LingBot-VLA 的开源，是 InclusionAI 的关键实践。“期待携手全球开发者，加速具身智能的迭代与规模化应用，助力 AGI 更快到来。”

据悉，在数据采集阶段，LingBot-VLA 使用了星海图、松灵的硬件平台；乐聚、库帕思、国家地方共建人形机器人创新中心、北京人形机器人创新中心有限公司、博登智能、睿尔曼也在预训练阶段提供了高质量数据支持。目前，LingBot-VLA 已与星海图、松灵、乐聚等厂商完成适配，验证了其在不同机器人构型上的跨本体迁移能力。