蚂蚁集团提出LingBot-VA 2.0视频-动作模型
jiqizhixin · x · 2026-07-18
蚂蚁集团提出 LingBot-VA 2.0，这是一个从零开始构建、专为真实世界控制设计的视频-动作基础模型。
与使用为数字内容设计的标准视频模型不同，该模型引入了四项突破：
- 语义-动作分词器：将机器人看到的画面与应执行的动作联系起来。
- 因果训练方法：避免遗忘过去执行过的动作。
- 稀疏 MoE 骨干网络：在不拖慢运行速度的前提下提升模型容量。
- 异步推理方案：能够在执行当前动作的同时实时预测未来步骤。
结果：在复杂操作任务中，其少样本泛化能力超越了以往的视频-动作模型。
「具身」频道最新
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- NVIDIA 开源 FLORA：机器人数据引擎，成本仅 GPT-6 Astra 的 1/125 — nvidia · 2026-10-27
- 具身智能创业的隐藏难题：机器人公司需要另一种运营纪律 — ___Mufasaa · 2026-10-27
- π0.5 实验：演示数从 10 增至 438，放球入碗成功率 7%→83% — stingning · 2026-10-27
- GPT-6 Astra 零微调操控灵巧手：500 试仅 26 次成功，成功率 5.2% — stingning · 2026-10-27
- 灵巧操作基准 HandsOn 发布:66 个人工核验任务配 1.8 万条人类示范 — stingning · 2026-10-27