螞蟻集團旗下具身智能公司靈波科技正式開源具身大模型 LingBot-VLA。

據介紹，在上海交通大學開源的具身評測基準 GM-100（包含 100 項真實操作任務）測試中，LingBot-VLA 在 3 個不同的真實機器人平台上，跨本體泛化平均成功率相較於 Pi0.5 的 13.0% 提升至 15.7%（w/o Depth）。引入深度信息（w/ Depth）後，空間感知能力增強，平均成功率進一步攀升至 17.3%，展現了 LingBot-VLA 強大的準確性和泛化性。

在 RoboTwin 2.0 仿真基準（包含50項任務）評測中，面對高強度的環境隨機化干擾（如光照、雜物、高度擾動），LingBot-VLA 憑藉獨特的可學習查詢對齊機制，高度融合深度信息，操作成功率比 Pi0.5 提升了 9.92%，實現了從虛擬仿真到真實落地的全方位性能領跑。

後訓練成本低、效率高、代碼全開源 真正實用的 VLA 模型

得益於涵蓋主流構型和詳盡任務的大規模預訓練，LingBot-VLA 具備強大的通用操控能力，並且能夠將其高效遷移到多樣的下游機器人任務中。

實驗表明，LingBot-VLA 在下游任務中能夠使用更少的數據，達到超越 π0.5 的性能；並且性能優勢會隨着數據量的增加而持續擴大。

LingBot-VLA  團隊還構建了一套高效的後訓練工具鏈，在 8 卡 GPU 配置下實現了單卡每秒 261 個樣本的吞吐量，其訓練效率達到 StarVLA、OpenPI 等主流框架的 1.5~2.8 倍，實現了數據與算力成本的雙重降低。

LingBot-VLA 此次開源提供了模型權重，並同步開放了包含數據處理、高效微調及自動化評估在內的全套代碼庫。

• Website: https://technology.robbyant.com/lingbot-vla

• Model:
  https://huggingface.co/collections/robbyant/lingbot-vla

  https://www.modelscope.cn/collections/Robbyant/LingBot-VLA

• Datasets: https://huggingface.co/datasets/robbyant/lingbot-GM-100

• Code: https://github.com/Robbyant/lingbot-vla

• Tech Report: https://arxiv.org/abs/2601.18692