蚂蚁灵波开源 LingBot-VLA 2.0，5 万小时真机数据覆盖 20 种机器人构型
蚂蚁灵波开源具身通用大脑 LingBot-VLA 2.0，用 5 万小时真机数据训练，一套模型适配 20 种机器人，降低行业重复适配成本。
蚂蚁集团旗下具身智能公司蚂蚁灵波开源了第二代具身操作基座模型 LingBot-VLA 2.0。该模型使用 5 万小时高质量真机数据（由真实机器人采集的操作数据）训练，能统一控制超过 20 种不同品牌和构型的机器人（包括人形、半人形、单臂及复合型），实现“一脑多机”。相比 1.0 版本，2.0 新增了头部、腰部、手部和底盘等全身自由度控制，可完成长序列移动操作任务（如开门、清洁等）。开源代码和模型权重已在 GitHub、Hugging Face 等平台发布。
正文摘录
 新智元报道  【新智元导读】 当机器人后空翻刷屏时，代表小脑已经在快速进展。但你是否意识到，让机器人真正干活卡脖子的从来不是小脑，而是大脑？蚂蚁灵波刚刚开源的 LingBot-VLA2.0，用同一套模型「驯服」了 20 种的机器人构型。行业终于有人开始认真算重复适配成本这笔账了。 去年，机器人圈最热闹的画面，都是关于「身体」的。 机器人能后空翻了，机器人能跑完一场半程马拉松了…… 每一条视频都在告诉你：看，它的胳膊多灵活，它的腿多稳，它摔倒了还能自己爬起来。 热闹，好看，掌声雷动。 然而，这只是精心编排的「楚门的世界」。 从控制理论来看，这多是特定封闭环境下的局部优化成果，而非真正的认知推理与模型驱动的长期规划。 但是，不同的构型本身也是一种泛化挑战。每一个机器人品牌、每一种硬件构型，都像是一座孤立的语言孤岛。我们造出了无数具精美的「躯壳」，却在如何让它们开口说话、动手干活的「巴别塔」前束手无策。 Demo 越惊艳，藏在后面的账单就越吓人；下一个客户换一副本体，一切就得从头再来。 正是在这种「身体过热、大脑缺位」的产业夹缝中，蚂蚁集团旗下具身智能企业蚂蚁灵波（Robbyant） 选择了一条截然不同的道路： 他们不跟风去卷硬件、卷参数、谁的身体更能打，而是直击行业最痛的死穴——在卷谁的大脑更通用、更实用、更能落地。 从诞生之初，LingBot-VLA 系列大模型就将自己定位为 具身智能领域的「行业通用大脑」，旨在用同一颗「通用脑」去解决「一脑多机」的泛化难题。