蚂蚁发布跨形态具身模型 LingBot-VLA 2.0

蚂蚁集团发布了具身模型 LingBot-VLA 2.0，目标是把 VLA 策略从单一机器人控制推进到跨形态通用控制。围绕这次升级，帖子不仅给出了训练规模和覆盖硬件范围，也补充了基准结果、推理配置与开源信息，因此它既被当作能力更新，也被视为更接近落地的一次工程化推进。

关键细节

多条帖子显示，LingBot-VLA 2.0 使用约 6 万小时数据训练，其中 5 万小时是真实机器人轨迹，1 万小时是第一视角人类视频。其预训练覆盖 20 种机器人配置，从单臂、双臂、移动底盘到 humanoid，举例包括 Unitree G1 和 Fourier GR-2。

方法上，模型会预测下一时刻的深度与语义特征，作为对任务进展的先验理解。动作空间也不只包含机械臂和夹爪，还扩展到头部、腰部和移动底盘，以支持同一策略接口适配不同硬件。

实测与可用性

按帖子汇总，在 9 个 GM-100 桌面任务的 generalist 设定下，LingBot-VLA 2.0 在两种机器人平台上的整体表现强于 π₀.₅ 和 GR00T N1.7；在长程移动任务中也被称为保持领先。可复现实用信息方面，Robbyant 已开源 post-training 代码；推理可在单张 NVIDIA GeForce RTX 4090D 上完成，约 130 ms，使用 10 个 denoising steps。

争议与边界

不过，omarsar0 也提到，LingBot-VLA 2.0 在通用控制上仍存在任务表现不均衡的问题。按其观察，这一策略更擅长移动和长时序场景，但目前还没有单一策略能稳定覆盖所有操作任务。整体看，这次发布说明跨形态 VLA 正在逼近更真实的应用条件，但距离“一个模型包打天下”仍有能力和工程边界要继续验证。

2026-07-15 ~ 2026-07-16 · 8 条相关