从VLA到世界模型，具身智能加速“范式转移”
随着具身智能的向前发展，传统的 VLA 技术路线正在面临越来越多的挑战。所谓 VLA 模型，即视觉 - 语言 - 动作模型。它的技术逻辑可以简单描述为，将人类指令和外界多模态信息（声音、图像、视频）转化为计算机语言，继而控制机器人行为。但在 VLA 模型的训练中，互联网上的静态、非结构化文本和图像数据，并不是训练所需的核心数据。物理世界数据的稀缺与复杂性，成为了制约 VLA 模型能力跃升的主要瓶颈。VLA 之后，具身智能接下来将往何处去？这成为了具身智能整个行业，都在试图解决的问题。近日，蚂蚁灵波对外开源了 LingBot-Depth、LingBot-VLA 、LingBot-World 以及 LingBot-VA 系列模型。其中 LingBot-VA 所代表的 " 边预测、边行动 " 的具身世界模型范式，正与行业近期的探索形成呼应。而四个模型的开源，则将这套能力拆成可复用的模块与接口，为开发者提供从研究验证到工程试验的基础设施，从而降低具身智能研发与集成门槛。LingBot-VA 开源，首创 " 自回归视频 - 动作范式 "蚂蚁灵波开源周中， 具身世界模型 LingBot-VA 成为了收官之作，其核心突破在于它改变了机器人的思考方式。传统机器人主要基于 " 视觉 - 语言 - 动作 " 范式，其决策模式类似于 " 条件反射 "：看到什么，就做什么。这种方式难以应对需要多步骤规划和因果推理的复杂任务。LingBot-VA 则让机器人具备 " 脑补 " 能力。在物理执行动作之前，它会在内部模拟并推演未来几秒的世界状态变化，再根据这个推演结果来决定当前的最佳动作。这使得机器人能够像人一样 " 先思后行 "，显著提升了在复杂、长时序任务中的可靠性和智能水平。实现这一切的基础在于，LingBot-VA 在核心范式上的创新。LingBot-VA 首创了 " 自回归视频 - 动作范式 "：将大规模视频生成模型与机器人控制深度融合，模型在生成 " 下一步世界状态 " 的同时，直接推演并输出对应的动作序列。具体而言，Mixture-of-Transformers ( MoT ) 架构让视频流（宽而深，负责视觉推演）与动作流（轻而快，负责运动控制）共享注意力机制又保持独立；闭环推演机制：每一步生成都纳入真实世界的实时反馈（如摄像头数据），形成 " 预测 - 执行 - 感知 - 修正 " 的循环，防止幻觉漂移。最后，异步推理管线让动作预测与电机执行并行处理，大幅降低延迟。得益于 LingBot-VA 的技术创新，机器人在制作早餐、插入试管、叠衣物等长时序、高精度、柔性物体操控任务中，成功率相较业界基线模型平均提升约 20%；在双臂协同操作基准 RoboTwin 2.0 上成功率首次超过 90%，在长时序终身学习基准 LIBERO 上达到 98.5% 的平均成功。LingBot 系列开源，构建具身智能的通用基础设施除了 LingBot-VA 之外，蚂蚁灵波还连续开源了 LingBot-Depth（空间感知）、LingBot-VLA 以及 LingBot-World。这四者共同构成了一套覆盖 " 感知 - 理解 - 模拟 - 行动 " 的完整具身智能技术栈。LingBot-Depth 相当于机器人的 " 眼睛 "，通过高精度空间感知模型，解决透明、反光物体识别难题，透明物体抓取成功率从 0 提升至 50%。LingBot-VLA ，类似于机器人的 " 大脑 "，让机器人理解指令并规划基础动作。基于 2 万小时真实机器人数据训练，LingBot-VLA 在 GM-100 基准测试中，成功率超越基线模型 Pi0.5。可以看到，与业内主流的 " 仿真到现实 "（Sim-to-Real）路径不同，蚂蚁灵波更笃信基于真实世界数据训练的价值。LingBot-VLA 覆盖了 9 种主流双臂机器人构型（包括 AgileX，Galaxea R1Pro、R1Lite 、AgiBot G1 等），实现了让同一个 " 大脑 " 可以无缝迁移至不同构型的机器人，并在任务变化、环境变化时保持可用的成功率与鲁棒性。与高精度空间感知模型 LingBot-Depth 配合，LingBot-VLA 还能获得更高质量的深度信息表征，通过 " 视力 " 的升级，真正做到 " 看得更清楚、做的更明白 "。LingBot-World，则是机器人的 " 数字演练场 "。利用多阶段训练和并行加速，LingBot-World 可以实现长达近 10 分钟的连续、稳定和无损视频生成，以解决视频生成中的常见挑战—— " 长时漂移 "，也即长时间的生成通常会出现物体变形、细节崩溃、主体消失或场景结构崩溃等现象。同时，LingBot-World 在长序列一致性、实时响应性以及对行动和环境动态之间的因果关系进行建模方面表现出色。这使得它能够在数字空间中 " 想象 " 物理世界，为人工智能代理提供一个具有成本效益、高保真环境，用于试错学习。" 机器人规模化的主要阻碍不在硬件，而在’反复训练 / 再训练（retraining）‘，也就是每做一个新任务或换一种机器人，往往就要重新采数据、重新调参，工程成本很高。这也是机器人很难从试点走向大规模部署的原因之一。"MarkTechPost CEOAsif Razzag 表示，蚂蚁灵波发布的一系列模型很有意思，从感知到认知，全栈（full-stack）体系，每个模型互为助力，并且全部开源。也正是基于这样的设计，全面开源的 LingBot 系列模型，构建了具身智能完整的通用基础设施，让开发者可以按需选用或组合。这种新的研究范式，在降低具身智能研发门槛的同时，也加速了具身智能从实验室走向产业化的进程。（文 | 科技潜线，作者 | 饶翔宇 编辑 | 钟毅）
四川省绵竹市富新镇，尚义县南壕堑镇 ，召夸镇，江西省寻乌县菖蒲乡，黑龙江省友好区双子河街道，福建省福鼎市磻溪镇，博罗县龙溪镇，甘肃省渭源县大安乡，广西壮族自治区凤山县凤城镇，山东省槐荫区振兴街街道，河北省吴桥县于集镇，江西省广信区花厅镇，青海省大通回族土族自治县东峡镇，湖南省沅江市胭脂湖街道，青海省贵南县森多镇，平湖市新埭镇，广西壮族自治区凤山县凤城镇 ，二道白河镇，甘肃省金塔县金塔镇，青海省大通回族土族自治县东峡镇，广西壮族自治区钟山县钟山镇，广东省天河区元岗街道
全球服务区域: 河北省枣强县嘉会镇，召夸镇 ，陕西省白河县冷水镇，黑龙江省友好区双子河街道，山东省河口区新户镇，河南省林州市横水镇，四川省木里藏族自治县依吉乡，湖南省沅江市胭脂湖街道，博罗县龙溪镇，福建省福鼎市磻溪镇，黑龙江省友好区双子河街道，江西省广信区花厅镇，召夸镇，甘肃省渭源县大安乡，青海省大通回族土族自治县东峡镇，安徽省鸠江区白茆镇，博罗县龙溪镇 ，江西省寻乌县菖蒲乡，虎丘区，甘肃省庆城县桐川镇，甘肃省渭源县大安乡，四川省木里藏族自治县依吉乡。
《无敌破坏王2：大闹互联网》作为一部深受观众喜爱的动画电影，自上映以来就收获了无数好评。这部影片不仅剧情精彩，而且角色鲜明，让人回味无穷。那么，如何免费观看这部经典之作呢？下面就来为大家揭秘！ 首先，让我们回顾一下《无敌破坏王2》的精彩剧情。影片讲述了破坏王拉尔夫和云妮洛普携手闯荡互联网，与一群新朋友共同对抗邪恶势力，拯救虚拟世界的故事。在这场冒险中，拉尔夫和云妮洛普经历了许多惊心动魄的冒险，也收获了珍贵的友谊。 那么，如何免费观看这部影片呢？以下几种途径可以帮助您轻松解锁《无敌破坏王2》的精彩世界： 1. 视频平台免费观看 各大视频平台如爱奇艺、腾讯视频、优酷等，都会在特定时间推出免费观影活动。您只需在平台上搜索《无敌破坏王2》，即可找到免费观看的机会。 2. 官方渠道免费观影 迪士尼官方渠道也会不定期推出免费观影活动。关注迪士尼官方微博、微信公众号等，即可第一时间获取免费观影信息。 3. 举办观影活动 一些影院或社区会举办《无敌破坏王2》观影活动，邀请观众免费观影。关注当地影院或社区活动，即可参加。 4. 社交媒体互动 在社交媒体上，如微博、抖音等，经常会有电影官方或相关品牌发起的互动活动。参与这些活动，有时会获得免费观影的机会。 5. 会员专享 部分视频平台提供会员服务，会员可享受免费观影等特权。如果您是该平台的会员，那么《无敌破坏王2》免费观影自然不在话下。 在观看《无敌破坏王2》的过程中，您可能会遇到以下影视关键词： 1. 动画：影片采用先进的动画技术，画面精美，人物形象生动。 2. 冒险：拉尔夫和云妮洛普的冒险旅程充满惊险刺激，让人欲罢不能。 3. 友谊：影片强调了友谊的重要性，让观众感受到了真挚的情感。 4. 喜剧：影片中不乏幽默搞笑的桥段，让观众在观影过程中笑声连连。 5. 情感：影片不仅是一部喜剧，还融入了感人至深的情感元素，让人回味无穷。 总之，《无敌破坏王2》是一部值得一看再看的经典动画电影。通过以上途径，您不仅可以免费观看这部影片，还能与家人、朋友共享观影时光。赶快行动起来，一起走进拉尔夫和云妮洛普的冒险世界吧！