蚂蚁开源机器人视频模型

赛博禅心 · wechat · 2026-07-09

蚂蚁灵波团队开源了 LingBot-Video，一个面向机器人的视频生成模型，目标是把互联网视频和大量具身数据结合起来，为机器人训练生成更适合的视觉数据。帖子指出，普通视频生成更关注画面一致性和美学，而机器人训练更在意物理正确性，比如惯性、材质和动作结构。

帖子还介绍了模型规模与训练流程：总参数 30B、3B 激活、MoE 架构，具备较快的生成速度；数据中具身数据超过 7 万小时，涵盖真机、仿真和开源数据，并包括机械臂、人形和四足机器人等类型。训练分为多个阶段，从纯图片到图片+视频，再到高分辨率精修，并用多模型强化学习从感知、物理和执行三个维度做筛选与校正。