蚂蚁灵波开源 LingBot-VLA 2.0：覆盖 17 家机器人厂商

蚂蚁集团旗下蚂蚁灵波科技于 7 月 8 日宣布升级并开源新一代具身基座模型 LingBot-VLA 2.0。这是今年 1 月开源的 LingBot-VLA 1.0 的全面迭代版本，在数据规模、构型覆盖与自由度支持等方面均有显著扩展，被视为面向「通用大脑」的又一次攻关。

数据与构型覆盖

LingBot-VLA 2.0 在预训练阶段引入 6 万小时高质量真实物理数据，覆盖乐聚、智元、宇树、松灵、星海图、银河通用、星尘、睿尔曼、Franka、方舟、北京人形、傅立叶、魔法原子、千寻、零次方、非夕、青龙等 17 家主流机器人厂商的 20 种构型，涵盖单臂、双臂、双足与轮式等多种形态。

在数据来源上，蚂蚁灵波从 9 万小时原始数据中清洗出 5 万小时高质量真机数据，并从 2 万小时第一视角人类操作数据中提炼 1 万小时有效样本，使总训练数据量达到 6 万小时。自由度支持也由末端执行器扩展至头部、腰部以及移动底盘。

双臂与移动操作评测

在双臂操作层面，LingBot-VLA 2.0 基于上海交通大学 GM-100 评测，在 AgileX Cobot Magic 与 Galaxea R1 Pro 两个双臂平台上对比了 π0.5 与 GR00T N1.7。所有模型均以单一通用模型部署，未做任务专项微调。结果显示 LingBot-VLA 2.0 在总体平均任务进度分与成功率上均领先。

在移动操作层面，模型基于方舟机械臂+松灵底盘、星尘智能 Astribot S1 两类构型与 π0.5 对比，在长程移动操作任务中的任务进度分与成功率均实现领先，尤其在跨域场景中保持优势。评测方将任务拆分为多个连续子步骤并按难度赋分，以更细致衡量移动、双臂协作、抓取、放置、开门、清洁等环节的综合能力。

落地效率与后训练

具身智能正进入产业落地试点阶段，后训练效率成为关键瓶颈。蚂蚁灵波此次同步开源更高效的后训练版本，在 RTX 4090 上推理耗时控制在 130 毫秒以内，为实际部署提供了更友好的时延条件。

生态与开源获取

商业层面，蚂蚁灵波已与乐聚、钛虎等本体伙伴，以及国大药房、隆盛等客户在零售分拣、物流分拣、工业等场景开启商业落地测试；同时联合简智科技等数据联盟伙伴共建标准化数据体系。开发者可在 Hugging Face、魔搭社区获取模型权重，并在 GitHub 下载开源代码。据介绍，下一步还将推出面向开发者的技术套件与系列开发者活动。