蚂蚁灵波开源具身世界模型LingBot-VA，复杂任务成功率超Pi0.5两成
1月30日，蚂蚁灵波科技在接连开源空间感知模型、具身大模型与世界模型三大核心成果后，再次宣布开源全新的具身世界模型 LingBot-VA。
这一模型首次提出了自回归视频-动作世界建模框架，巧妙地将大规模视频生成模型与机器人控制技术深度融合。模型在预测“下一步世界状态”的同时，能直接推演并输出相应的动作序列，使机器人能够像人类一样实现“边推演、边行动”的智能行为模式。
在真机测评中，LingBot-VA展现出了对复杂物理交互的出色适应能力。面对长时序任务、高精度操作以及柔性与关节物体操控这三大类共六项高难度挑战，模型仅需30至50条真机演示数据即可快速完成适配，其任务成功率相比业界强基线Pi0.5平均提升了20%。
真机测评数据显示，LingBot-VA在多项高难度操作任务上的性能已超越行业标杆Pi0.5。
在仿真测评中，LingBot-VA同样表现卓越。在高难度双臂协同操作基准RoboTwin 2.0上，它首次将任务成功率提升至超过90%；在长时序终身学习基准LIBERO上，其平均成功率达到了98.5%，双双刷新了行业纪录。
LingBot-VA在LIBERO与RoboTwin 2.0仿真基准测试中均刷新了现有最佳性能。
据悉，LingBot-VA采用了混合专家（MoT）架构，实现了视觉处理与动作控制的跨模态高效融合。通过其独特的闭环推演机制，模型在每一步生成时都会纳入真实世界的实时反馈，确保持续生成的画面与动作始终贴合物理现实，从而精确控制机器人完成各类高难度复杂任务。
为了突破大规模视频世界模型在机器人端侧部署的计算瓶颈，LingBot-VA设计了异步推理流水线，将动作预测与电机执行并行化处理；同时引入了基于记忆缓存的持久化机制与噪声历史增强策略，使得推理时只需更少的生成步骤即可输出稳定、精准的动作指令。这一系列优化让LingBot-VA在兼备大模型深度理解能力的同时，也具备了真机端低延迟控制所需的快速响应速度。
蚂蚁灵波表示，LingBot-VA与此前开源发布的模拟环境、智能基座和空间感知模型一脉相承，共同探索出一条“世界模型赋能具身操作”的全新路径。蚂蚁集团将持续依托InclusionAI社区进行开源开放，携手行业共建具身智能基础能力，加速构建一个深度融合开源开放技术、并服务于真实产业场景的通用人工智能生态。
目前，LingBot-VA的模型权重与推理代码已面向社区全面开源。
相关攻略
2026年被业界视为具身智能元年，但在机器人真正融入现实应用的过程中，仍面临着具身智能模型泛化能力与部署效率的双重挑战。真正的 "具身智能 "，应是能够全面自主决策与行动的通用机器人，其基础在于对物理
1 月 30 日，继空间感知模型、具身大模型与世界模型“三连发”后，蚂蚁灵波科技今日宣布开源具身世界模型 LingBot-VA。 1 月 30 日，继空间感知模型、具身大模型与世界模型“三连发”后，
热门专题
热门推荐
近日，国家能源局联合发改委、工信部、国家数据局正式印发《关于促进人工智能与能源双向赋能的行动方案》。这份重磅文件的核心思路非常清晰：一方面，以坚实的能源基础支撑人工智能（AI）的快速发展；另一方面，利用AI技术赋能能源行业转型升级。其核心目标是推动能源、算力、应用场景、数据与算法模型五大关键要素深度
在挑选文生视频工具时，若您正在智谱清影与Runway Gen-3之间权衡，那么了解两者在生成效果上的具体差异，将有助于您做出更明智的选择。本文将从画质清晰度、细节纹理、运动自然度与视频连贯性等核心维度，通过实测对比为您详细解析。 一、画质与分辨率表现 首先对比硬性指标。智谱清影基于CogVideoX
想用通义万相生成一张科技感十足的数据可视化背景，但出来的画面总觉得少了点“内味儿”？数字界面、粒子流、电路纹理这些关键元素一个不见，画面平平无奇？这通常不是工具的问题，而是提示词没有精准锚定科技可视化的核心要素，或者模型参数没调到最佳状态。别急，下面这几种方法，能帮你把想法精准地“翻译”成画面。 一
想要在Vidu生成的视频中实现流畅的慢动作或快进效果？虽然模型界面没有提供直接调整播放速度的滑块，但通过巧妙的提示词设计、利用内置功能，或结合后期处理工具，你完全可以精准掌控视频的节奏与时间感。本文将为你详细解析四种实用方法，从生成前到生成后，全方位满足你的创作需求。 一、通过精准提示词引导运动节奏
当您使用海螺AI生成的英文论文在提交查重时遭遇高重复率或AIGC检测异常，请不要急于归咎于工具本身。核心原因在于，尽管AI生成的文本格式标准、语法地道，但其语言模式和常见短语组合，并未针对知网、维普、万方等中文查重数据库的语义比对逻辑进行专门优化。换言之，机器认为流畅自然的表达，在查重系统的算法看来