LingBot-VA2.0：具身原生VA模型

量子位 · wechat · 2026-07-10

蚂蚁灵波发布了 LingBot-VA2.0，一个全球首个具身原生的预训练 VA 基座模型，主打让机器人基于视频预测动作、提前规划而不是只做即时反应。文中展示了桌面整理、传送带抓取、抓薯片等真实机器人任务，强调其长程记忆、时间对齐和精细操作能力。

文章还拆解了其技术思路，包括新的语义视觉-动作分词器、因果 DiT 加稀疏 MoE 主干等，并给出双臂任务成功率 93.6%、单 GPU 推理 150Hz 等结果。整体是在说明具身原生 VA 模型如何提升机器人在复杂物理环境中的预测式控制能力。