蚂蚁灵波开源具身大模型LingBot-VLA，跨本体跨任务泛化能力创新高

继昨日开源高精度空间感知模型 LingBot-Depth后，蚂蚁集团旗下灵波科技今日宣布全面开源具身大模型 LingBot-VLA。作为一款面向真实机器人操作场景的“智能基座”，LingBot-VLA 实现了跨本体、跨任务泛化能力，并大幅降低后训练成本，推动“一脑多机”走向工程化落地。 在上海交通大学开源的具身评测基准 GM-100（包含 100 项真实操作任务）测试中，LingBot-VLA 在 3 个不同的真实机器人平台上，跨本体泛化平均成功率相较于 Pi0.5 的 13.0% 提升至 15.7%（w/o Depth）。引入深度信息（w/ Depth）后，空间感知能力增强，平均成功率进一步攀升至 17.3%，刷新了真机评测的成功率纪录，验证了其在真实场景中的性能优势。 （图说：在 GM-100 真机评测中，LingBot-VLA 跨本体泛化性能超越 Pi0.5） 在 RoboTwin 2.0 仿真基准（包含50项任务）评测中，面对高强度的环境随机化干扰（如光照、杂物、高度扰动），LingBot-VLA 凭借独特的可学习查询对齐机制，高度融合深度信息，操作成功率比 Pi0.5 提升了 9.92%，实现了从虚拟仿真到真实落地的全方位性能领跑。 （图说：在 RoboTwin 2.0 仿真评测中，LingBot-VLA 跨任务泛化性能超越 Pi0.5） 长期以来，由于本体差异、任务差异、环境差异等，具身智能模型落地面临严重的泛化性挑战。开发