机器人数据训练的视频基础模型
heyshrutimishra · x · 2026-07-13
LingBot-Video 不是主要从互联网视频学，而是大量使用机器人数据训练出来的。
作者强调它的训练数据包含 7 万多小时的 embodied footage，覆盖机器人操控、导航和第一人称交互。相比只看视频外观，机器人数据更能教会模型“物体怎么动”“受力后会怎样”“真实交互里会发生什么”。
它的奖励系统也很特别：6 个信号里只有 1 个直接偏向视觉质量，其余更多约束对齐、运动、人形一致性和物理合理性。
在 RBench 上它拿到 0.620，帖子称这是列表里开源和闭源模型中的最高分，并在 Manipulation、Long-horizon、Quadruped 任务上领先。
作者给它的定位也不只是视频生成器，而是 embodied AI 的基础模型，可用于数据生成、物理场景模拟和机器人策略流程探索，帮助减少昂贵的真实机器人试跑。
所属事件:具身智能视频模型LingBot-Video宣布开源(4 条相关)→
「具身」频道最新
- UC伯克利联合 NVIDIA 发布 AW-0:真实机器人操控成功率 71.1 分远超基线 — trevordarrell · 2026-10-27
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27
- AW-0 混合执行模式:视觉随机化下成功率从 20.6% 升至 29.2% — trevordarrell · 2026-10-27
- AW-0 发布:代码+视频+动作三专家联合生成的智能体世界动作模型 — trevordarrell · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27