LingBot-VLA 开源：让机器人真正“看得懂、做得对”
继昨日开源高精度深度感知模型 LingBot-Depth 后，蚂蚁集团旗下灵波科技今日正式开源具身大模型 LingBot-VLA。这不是又一个实验室里的“演示模型”，而是一个能直接装进真实机器人、在复杂环境中稳定干活的“大脑”。它不挑机器人型号，不挑任务类型，也不怕环境突然变乱——你给它一套新设备、一个新任务，它能快速上手，不用从头训练。
在由上海交大发布的 GM-100 真机评测中，LingBot-VLA 在三个完全不同结构的机器人上（包括 AgileX、Galaxea R1Pro、AgiBot G1）完成了100项真实操作任务。没有深度信息时，它的平均成功率是15.7%，比目前主流的 Pi0.5（13.0%）高出近21%。一旦接入 LingBot-Depth 提供的深度图，成功率直接冲到17.3%，创下当前真机测试的最高纪录。这不是模拟环境里的“纸上谈兵”，是实打实的机械臂抓杯子、开门、插插头、搬箱子的失败与成功统计。
（图说：在 GM-100 真机评测中，LingBot-VLA 跨本体泛化性能超越 Pi0.5）
仿真环境也扛得住，乱七八糟的环境它照样干
在 RoboTwin2.0 仿真平台，测试条件更“刁钻”：灯光忽明忽暗、桌上堆满杂物、桌面高度随机变化，连机器人自己的关节噪声都被加了干扰。大多数模型在这种环境下会“崩溃”，但 LingBot-VLA 凭借一套自研的“可学习查询对齐机制”，把深度信息和视觉信号深度融合，操作成功率比 Pi0.5 高出近10%。这意味着，它不仅能处理实验室里的干净场景，更能应对仓库、工厂、家庭这些真实世界里“一团乱麻”的环境。
（图说：在 RoboTwin2.0 仿真评测中，LingBot-VLA 跨任务泛化性能超越 Pi0.5）
为什么它能“一脑多机”？因为数据够硬
过去，想让一个机器人学会开门，你得为它录几百条视频、标注动作、调参数、再训练——换一台新机器人？重来一遍。成本高、周期长，根本没法规模化。
LingBot-VLA 的突破，来自20000+小时的真实机器人操作数据。这些数据不是拍出来的，是真机在实验室、工厂、仓库里日复一日干出来的。它见过9种主流双臂机器人：从 AgileX 到 Galaxea R1Lite，从 AgiBot G1 到松灵、星海图的设备，它都“摸”过。你给它一台新机器人，它不用重新学走路，它知道“这个手臂和之前那个差不多，动作逻辑能复用”。
配合 LingBot-Depth，它不仅能“看到”物体形状，还能“感知”距离、深度、遮挡关系。一个杯子在桌上，它知道是平放还是倒了；一个抽屉半开，它知道该往哪边拉、用多大力。这不是靠规则写出来的，是模型自己从海量数据里“悟”出来的。
你只需要80条演示，就能让它学会新任务
以前，想让机器人学会“给咖啡机加水”，你可能要录500条视频，花几周训练。现在，LingBot-VLA 只需要你录80条演示——你用手动遥控器带着机器人做一遍，它就能学会。这背后是模型强大的迁移能力，不是靠“记住动作”，而是理解“目标是什么、路径怎么规划、力道怎么控制”。
训练效率也快得惊人。相比 StarVLA、OpenPI 等主流框架，它的训练速度提升1.5到2.8倍。这意味着，你用同样的显卡，能跑更多实验；花同样的钱，能训练更多任务。对中小企业、高校实验室、机器人创业公司来说，这直接把落地门槛降了下来。
不只是模型，是一整套工具链
这次开源，不只给权重。你拿到的是完整的代码库：数据怎么处理、怎么微调、怎么自动评估、怎么部署到机器人上——全都有。连评估脚本都给你配好了，跑完自动出报告，告诉你成功率、失败原因、哪些动作不稳定。这不再是“黑箱模型”，而是你能动手改、能调试、能优化的工具。
我们和几家机器人厂商已经跑通了落地流程：星海图、松灵、乐聚的机器人，现在都能直接加载 LingBot-VLA，无需大改硬件或系统。这意味着，你买一台他们的机器人，未来可能直接通过软件升级，让它“变聪明”。
这不是终点，是起点
“我们不想做炫技的模型。”蚂蚁灵波科技CEO朱兴说，“我们想做的是，让机器人能真正用起来，而且用得起。”
过去，具身智能被看作是大厂的专利——数据、算力、团队缺一不可。LingBot-VLA 的开源，正在打破这个局面。一个学生团队，可以用一台二手机械臂+一台消费级GPU，跑通复杂任务；一个创业公司，不用从零造轮子，直接基于这个基座开发仓储分拣、家庭陪护、零售服务等场景应用。
这次开源，是蚂蚁“InclusionAI”计划的重要一步。他们不是在做技术秀，而是在搭建一个开放的生态：基础模型、多模态感知、推理架构、具身智能——全都在开源。他们希望，未来三年，中国能有上千个团队，基于这些开源模型，做出真正落地的产品。
如果你是机器人开发者、AI工程师、硬件创业者，或者只是对“机器人能干什么”感兴趣——现在，你可以亲自试试。LingBot-VLA 的代码、权重、文档，已经全部开放在 GitHub。你不需要等别人给你答案，你只需要动手，去让它学会一个新任务。