具身智能模型的落地成本高昂，泛化能力是关键挑战。LingBot-VLA 的开源，带来了一个在真实评测中性能领先、跨平台迁移能力强的解决方案，有望降低行业门槛，推动技术规模化应用。
智能速览
在GM-100真实评测中，平均成功率领先Pi0.5，跨本体泛化性能突出。
验证了VLA模型在真实数据下的Scaling Law，性能随数据量增长持续提升。
采用可学习查询对齐机制，高效融合深度信息，提升操作鲁棒性。
后训练效率是主流框架的1.5~2.8倍，显著降低数据与算力成本。
模型、代码、数据集与评测基准全部开源，旨在加速技术迭代与应用。
精华内容
LingBot-VLA 的强大性能并非偶然，其背后是大规模真实数据预训练与前沿技术创新的坚实支撑。
性能评测领先
在上海交通大学的具身评测基准GM-100中，LingBot-VLA在三种真实机器人平台上的跨本体泛化平均成功率达到了15.7%（不含深度信息），优于Pi0.5的13.0%。当引入深度信息后，成功率进一步提升至17.3%，展现了模型强大的准确性与泛化能力。
在高强度环境干扰的RoboTwin 2.0仿真基准评测中，LingBot-VLA凭借其可学习查询对齐机制，操作成功率比Pi0.5提升了9.92%，实现了从仿真到真机落地的全方位性能领跑。
数据规模定律
为解决具身智能模型落地成本高、泛化性差的难题，团队首次系统研究了VLA模型在真实机器人任务上的Scaling Law。实验发现，随着预训练数据规模从3000小时增长至20000小时，模型在下游任务的成功率持续显著提升，且在20000小时数据量时性能仍呈上升趋势。
基于此发现，团队构建了覆盖9种主流双臂机器人构型的20000小时真实世界训练数据，为模型强大的通用操控能力奠定了基础。
深度信息融合
为了提升机器人在复杂环境中的操控鲁棒性，LingBot-VLA采用了一种基于查询向量的深度蒸馏方法。该方法引入与三视角操作图像对应的可学习queries，经过视觉语言模型处理后，与LingBot-Depth输出的深度嵌入向量进行对齐。
这种设计在维持训练与推理效率的同时，显式地将深度信息有效集成到模型中，显著增强了机器人的空间感知能力与操作成功率。
开源与高效实用
LingBot-VLA不仅提供模型权重，还开源了包含数据处理、高效微调及自动化评估的全套代码库，以及GM-100基准测试。此举旨在降低行业研发的算力与时间门槛，助力开发者快速适配自有场景。
在效率方面，其后训练工具链在8卡GPU下实现了单卡每秒261个样本的吞吐量，训练效率达到主流框架的1.5至2.8倍。目前，该模型已与星海图、松灵、乐聚等机器人厂商完成适配，验证了其跨本体迁移的实用性。
LingBot-VLA的开源，通过提供高性能、高效率且易于适配的具身大模型，有效降低了技术落地的门槛。这不仅是技术的进步，更是推动整个行业走向可复制、可规模化发展的关键一步。当模型能力不再受限于高昂的定制成本，具身智能的未来应用将有哪些可能？
