具身智能领域迎来新进展。蚂蚁集团开源了其VLA基础模型LingBot，基于2万小时真实机器人数据训练，覆盖9种主流双臂配置。此举不仅为行业提供了工业级的数据资源，其高效的代码库和全面评测也展示了强大的实用性和泛化能力，为机器人技术的实际应用铺平了道路。
智能速览
模型基于2万小时真实双臂机器人数据训练。
数据覆盖了9种主流机器人双臂配置。
系统性评测显示模型在100个任务上性能优越。
提供的代码库训练效率比现有方案快1.5-2.8倍。
蚂蚁集团开源了模型、代码及评测基准数据集。
精华内容
具身智能的突破不仅在于算法，更在于高质量的真实世界数据。LingBot-VLA正是凭借其庞大的数据集和高效的系统设计，为机器人基础模型的实用化发展提供了新的可能。
海量真机数据
LingBot-VLA的核心优势源于其庞大的数据基础。该模型基于约2万小时的真实双臂机器人操作数据进行训练，这一数据量在业界，尤其是学术界，达到了工业级别。
此外，数据集覆盖了市场上9种主流的双臂机器人配置，确保了模型在不同硬件平台上的广泛适用性。这种大规模、多样化的真实数据是模型实现强大泛化能力的关键，远超以往依赖仿真或小规模数据集的训练方式。
性能全面评测
为验证LingBot-VLA的实际效果，研究团队进行了系统性的评测。测试在3种不同的机器人平台上展开，共包含100个多样化的任务。
对于每一个任务，模型都进行了130次后训练 episodes 的测试。评测结果显示，LingBot-VLA在各项指标上均显著优于现有的竞争对手，充分证明了其在复杂任务中的优越表现和跨平台部署的强大泛化能力。
高效开源贡献
除了性能，LingBot-VLA在训练效率上也实现了突破。其配套的代码库在8-GPU训练设置下，能够实现每GPU每秒处理261个样本的高吞吐量。
与现有的VLA模型代码库相比，这一速度提升了1.5至2.8倍，具体加速倍数取决于所依赖的基础视觉语言模型。更重要的是，蚂蚁集团将模型、代码及评测基准数据集全部开源，极大地降低了行业研究与应用的门槛，推动了具身智能领域的共同进步。
LingBot-VLA的发布，不仅展示了一个强大的具身智能模型，更通过开源工业级资源，为整个机器人学习社区设立了新标准。它的实用性、高效性和开放性，或将加速更多复杂机器人应用的落地。未来的机器人，能否借此更快地融入我们的日常生活？
