当前视频模型虽能生成逼真画面，却无法指导机器人在物理世界中行动。LingBot-VA的出现，通过让机器人学会“脑内预演”，为具身智能带来了从模仿到因果推理的突破，有望终结机器人“盲操”时代。
智能速览
LingBot-VA是首个自回归视频-动作世界模型，让机器人学会脑内预演。
它突破了模仿学习的局限，引领具身智能进入因果推理新阶段。
在LIBERO基准测试中，LingBot-VA的任务平均成功率达到98.5%。
适应新任务仅需30至50条演示数据，效率远超传统方法。
在复杂任务上，其成功率比行业基线模型Pi0.5高出20%。
精华内容
具身智能正从模仿学习迈向因果推理，LingBot-VA如何通过“脑内预演”开启新篇章？
超越视觉幻觉
近期视频模型发展迅猛，但其生成的逼真画面本质上仍是“视觉幻觉”。这些内容无法转化为物理世界的有效行动，导致机器人在实际操作中依旧会“摔跤”。问题核心在于，看着像和做得到之间存在着巨大鸿沟，单纯模仿无法解决真实物理交互的复杂性。
核心是预演
LingBot-VA的核心突破在于赋予机器人“脑内预演”的能力。作为行业首个“自回归视频-动作世界模型”，它不再是死记硬背的模仿学习，而是在生成下一帧画面的同时，直接推演出对应的动作。机器人在伸出手前，会在脑中把整个执行过程和后果过一遍，确认无误后才付诸行动。
硬核数据验证
LingBot-VA的性能提升得到了数据的有力支撑。在长时序终身学习基准LIBERO上，其平均成功率高达98.5%。更关键的是，在面对制作早餐、叠衣物等复杂全新任务时，它仅需30到50条演示数据即可完成适配，成功率相比行业基线模型Pi0.5提升了整整20%，展现了极高的学习效率和泛化能力。
构建完整神经
此次开源的LingBot-VA并非孤立产品。结合此前发布的空间感知模型Depth、智能基座VLA和模拟环境World，可以看出其正在构建一套完整的机器人“神经系统”。这一系列布局旨在为机器人从感知、决策到执行的每一个环节提供支持，形成一个协同工作的整体。
LingBot-VA的出现，可能标志着具身智能正告别模仿学习的蛮荒时代，跨入因果推理的智能新纪元。当机器人拥有了预演和推理能力，它们将如何改变我们的生产与生活？
