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。