Robbyant 發布 LingBot-VLA 2.0：開源 6B 視覺-語言-動作模型，支援跨本體機器人操作
Decision Brief
變化螞蟻集團 Robbyant 發布了 LingBot-VLA 2.0，一個基於 Apache-2.0 授權的 6B 參數視覺-語言-動作模型，用於跨本體機器人操作。
為什麼重要該模型以 6B 參數在 GM-100 基準上超越 π0.5，並透過 55 維規範化動作空間和無輔助損失的 MoE 專家層，降低跨本體部署的調試成本。
誰該關注依賴模型 API 的團隊
受影響技術棧未識別出特定技術棧
來源可信度中 · 可靠媒體或一手報導
LingBot-VLA 2.0 是一個 6B 參數的開源模型，使用 Apache-2.0 授權。預訓練資料約 60,000 小時，包括 50,000 小時的機器人軌跡（涵蓋 20 種機器人配置）和 10,000 小時的自我中心人類影片。該模型將所有本體映射到一個 55 維的規範化動作空間，涵蓋機械臂、靈巧手、腰部、頭部和移動底座。它採用 token 級別、無輔助損失的混合專家（MoE）動作專家層，在不增加負載平衡損失的情況下擴展容量。透過從 LingBot-Depth 和 DINO-Video 的雙查詢蒸餾，添加了幾何和時間監督，實現面向未來的控制。在 GM-100 通用基準測試中，它在兩個評估平台上均優於 π0.5 和 LingBot-VLA-1.0。 對於從事跨本體機器人操作研究的開發者，LingBot-VLA 2.0 提供了一個統一的動作空間和高效的 MoE 架構，能顯著降低在不同機器人平台間遷移策略的開發成本。該模型的 Apache-2.0 授權也便於學術和商業使用。
摘要依據：官方/RSS 來源詳摘依據上方標註的來源範圍整理，內容以原文為準。
來源
- MarkTechPost
Fast research-paper and ML tooling summaries, useful for infra and agent updates.
- MarkTechPost
留言
登入後即可留言，和其他 builder 交換實測心得。
還沒有留言，搶頭香。