蚂蚁集团旗下灵波科技近日宣布，正式开源其自主研发的具身大模型LingBot-VLA。这款面向真实机器人操作场景的智能基座模型，通过突破跨本体、跨任务泛化技术瓶颈，显著降低了具身智能系统的后训练成本，为“一脑多机”的工程化落地提供了关键支撑。
在性能验证方面，LingBot-VLA展现出显著优势。上海交通大学发布的具身评测基准GM-100测试显示，该模型在三个不同构型机器人平台上实现跨本体泛化，平均成功率较基准模型Pi0.5提升2.7个百分点至15.7%。当引入高精度空间感知模型LingBot-Depth的深度信息后，成功率进一步跃升至17.3%，刷新了真机操作任务的成功率纪录。在RoboTwin 2.0仿真基准测试中，面对光照变化、杂物干扰等复杂环境，模型通过可学习查询对齐机制深度融合多模态信息，操作成功率较Pi0.5提升9.92%，展现出从虚拟仿真到真实场景的全维度性能领先。
针对具身智能落地长期面临的泛化性难题，LingBot-VLA构建了创新解决方案。基于2万小时以上的大规模真机数据预训练，模型覆盖了AgileX、Galaxea R1Pro等9种主流双臂机器人构型，形成可迁移的通用智能基座。通过与LingBot-Depth的深度协同，模型获得更精准的空间感知能力，在任务切换和环境变化时仍能保持稳定性能。数据显示，该模型仅需80条演示数据即可完成新任务适配，训练效率达到主流框架StarVLA的1.5至2.8倍，有效降低了数据采集与算力消耗成本。
此次开源计划采取全栈开放策略，除模型权重外，同步开放数据处理、高效微调及自动化评估的完整代码库。这种“开箱即用”的设计使开发者无需从零构建训练框架，可将训练周期压缩40%以上。据技术团队介绍，通过底层代码库的深度优化，模型在相同硬件条件下可节省30%以上的训练算力，为中小企业和科研机构提供了低成本的技术验证路径。
蚂蚁灵波科技CEO朱兴指出，具身智能的规模化应用取决于高效基座模型的突破。LingBot-VLA通过降低技术门槛，推动行业从“定制化开发”向“标准化交付”转型，使AI能力更高效地渗透至物理世界。该模型作为蚂蚁InclusionAI技术体系的重要组成，与基础模型、多模态大模型等形成技术协同，构建起覆盖具身智能全链条的开源生态。
在生态建设方面，LingBot-VLA已与星海图、松灵机器人等硬件厂商完成系统适配，验证了跨构型迁移能力。数据采集阶段获得乐聚机器人、库帕思科技等机构提供的多场景训练数据支持，国家地方共建人形机器人创新中心等单位也参与了模型优化工作。这种产学研协同模式，为模型在工业制造、物流仓储等领域的落地应用奠定了基础。