LingBot-VA 2.0：225Hz 机器人控制模型
rohanpaul_ai · x · 2026-07-14
这是一条关于 LingBot-VA 2.0 的完整介绍，核心点如下：
它是什么
- 由 Robbyant（蚂蚁集团旗下的具身 AI 公司）开发的 video-action foundation model，目标是让机器人直接学会在真实世界里“看、预测、控制”。
- 作者强调，它不是把视频生成模型后面加一个动作头，而是从头按控制任务设计。
关键方法
- 采用语义化视觉-动作 tokenizer：把观测压到接近冻结视觉模型的语义空间，再从帧间变化中学习潜在动作。
- 通过自监督的 inverse/forward dynamics，让无标注网页视频也能提供动作相关训练信号。
- 策略从一开始就是因果的，只用过去观测做决策。
- 视频骨干采用 MoE：约 13B 总参数，单 token 激活约 1.9B。
- 高层 VLM 规划器负责拆分长任务，低层视频-动作策略负责连续控制。
执行与加速
- Foresight Reasoning 会在机器人执行当前动作时预测未来视觉状态，并在每次新观测到来时用真实画面修正缓存。
- 再叠加少步蒸馏和系统优化后，论文报告峰值异步执行频率达到 225 Hz。
结果
- 可从 10–15 次示教中适应任务。
- 支持跨机器人形态迁移，并在部分新任务上具备 zero-shot 能力。
- 在论文自测中，RoboTwin 2.0 平均分 93.6，并在真实任务上优于 LingBot-VA 和 π0.5。
所属事件:LingBot-VA 2.0:面向机器人控制的原生预训练模型(9 条相关)→
「具身」频道最新
- iPhone Duo 内屏沿铰链开裂，苹果官方回应可免费换机 — mobileraj · 2026-10-27
- 19 人团队论文揭示 VLA 模型内部几何：概念多为多维弯曲结构 — ninamiolane · 2026-10-27
- Munro 发布 Cybercab 工程深度拆解视频 — yunta_tsai · 2026-10-27
- 奥斯汀 Robotaxi 车队规模持续扩张 — yunta_tsai · 2026-10-27
- 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27
- 极农用无人机配自动机巢：清洗充电加药全自主，要让每个农民拥有机器人 — pstAsiatech · 2026-10-27