蚂蚁灵波发布LingBot-VA 2.0，具身原生技术取得关键进展
蚂蚁灵波发布首个从物理世界原生设计的机器人世界动作模型，标志着机器人基础模型路线从数字世界嫁接转向物理世界原生，提升执行效率与泛化能力。
蚂蚁灵波发布业界首个具身原生世界动作模型LingBot-VA 2.0，其核心设计不再依赖数字世界模型嫁接，而是从物理世界的动态建模、因果预测等原始需求出发原生构建。模型采用自回归架构、语义视觉-动作分词器、MoE等设计，真机测试中实现单卡150Hz实时推理，并支持多轮随机交互，解决了传统微调路线带来的知识遗忘和泛化问题。
正文摘录
.png) 7 月 10 日，蚂蚁灵波发布业界首个具身原生世界动作模型 LingBot-VA 2.0。该模型的发布，标志着机器人基础模型正式从“基于数字世界模型构建”到“面向物理世界原生设计”的关键转变。它代表了具身智能发展的一种关键路线选择：机器人“大脑”不再依托数字世界模型能力的“嫁接”，而是从动态建模、因果预测、实时执行等与环境交互的原始需求出发，进行原生设计。 得益于具身原生架构，LingBot-VA 2.0 在真机测试中表现出了出色的执行速度和泛化能力。以下面这个视频为例，在不依赖任何外部拍摄设备的情况下，机器人就可以完成与人类的多轮随机对打。  今年以来，世界模型与具身智能怎么融合一直是各方关注的焦点。以终为始，从物理世界的“控制执行”需求出发，就需要持续符合因果规律的“预测能力”。机器人要面对的是一个连续变化的真实世界，不仅要针对当前情况作出反应，还要理解一个动作会引发怎样的环境变化，并据此决定下一步动作。当前行业主流路线大多依托面向数字内容创作的视频生成模型，再通过微调的方式适配机器人控制任务。 然而内容创作和机器人控制有着不同的出发点，内容创作更在意画质和创意，机器人控制则更在意执行效率和预测的合理性。