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）
甘肃省武都区琵琶镇，虎丘区 ，甘肃省渭源县大安乡，甘肃省金塔县金塔镇，二道白河镇，贵州省余庆县花山苗族乡，河南省林州市横水镇，四川省理县蒲溪乡，新余市，安徽省肥东县梁园镇，江西省广信区花厅镇，定兴县固城镇，二道白河镇，江西省于都县梓山镇，广西壮族自治区钟山县钟山镇，河北省吴桥县于集镇，湖南省沅江市胭脂湖街道 ，云南省德钦县云岭乡，甘肃省渭源县大安乡，陕西省白河县冷水镇，甘肃省金塔县金塔镇，江西省广信区花厅镇
全球服务区域: 山东省河口区新户镇，江西省广信区花厅镇 ，黑龙江省友好区双子河街道，山东省槐荫区振兴街街道，云南省德钦县云岭乡，河北省吴桥县于集镇，甘肃省武都区琵琶镇，贵州省余庆县花山苗族乡，平湖市新埭镇，广西壮族自治区凤山县凤城镇，江西省弋阳县桃源街道，甘肃省金塔县金塔镇，甘肃省渭源县大安乡，定兴县固城镇，江西省弋阳县桃源街道，定兴县固城镇，河北省枣强县嘉会镇 ，黑龙江省明水县双兴镇，平湖市新埭镇，四川省绵竹市富新镇，广东省天河区元岗街道，甘肃省武都区琵琶镇。
《名侦探柯南》作为一部深受广大观众喜爱的侦探动画，自1994年首播以来，历经25年的连载，终于迎来了大结局。这部动画以其独特的剧情、丰富的角色和紧张的推理过程，吸引了无数粉丝。而此次大结局的国语配音，更是让国内观众感受到了这部经典作品的魅力。 在《名侦探柯南》的大结局中，名侦探柯南（工藤新一）终于揭开了黑衣组织的神秘面纱。在经历了无数次的推理、追捕和生死较量后，柯南终于找到了黑衣组织的首领——琴酒。在一场惊心动魄的对决中，柯南凭借自己的智慧和勇气，成功击败了琴酒，为受害者讨回了公道。 此次大结局的国语配音，由众多知名配音演员倾情演绎。柯南的配音演员张杰，以其独特的嗓音和丰富的情感表达，将柯南机智、勇敢的形象展现得淋漓尽致。而琴酒的配音演员李立宏，则以其低沉、富有磁性的声音，将琴酒冷酷、狡猾的形象刻画得入木三分。 在配音过程中，配音演员们不仅注重角色的声音特点，更注重情感的表达。在柯南与琴酒的对决中，配音演员们将紧张、刺激的氛围表现得淋漓尽致，让观众仿佛置身于现场，感受到了这场生死较量。 大结局中，除了紧张刺激的剧情，还有许多令人感动的瞬间。柯南与青梅竹马毛利兰的甜蜜互动，让许多观众为之动容。在经历了漫长的追查后，柯南终于与兰重逢，两人的感情也得到了升华。此外，柯南的父亲工藤新一也在这部大结局中回归，为柯南提供了重要的线索，助力他战胜黑衣组织。 值得一提的是，大结局中的动画制作也堪称精良。画面精美、特效震撼，让观众仿佛置身于一个充满悬疑的世界。在动画的最后，柯南成功解开了黑衣组织的谜团，正义终将胜利。这一刻，观众们不禁为柯南的勇敢和智慧欢呼。 《名侦探柯南》大结局的国语配音，不仅让国内观众感受到了这部经典作品的魅力，更让这部作品在华语地区得到了更广泛的传播。在未来的日子里，相信《名侦探柯南》的精神将继续激励着广大观众，勇敢面对生活中的困难和挑战。 总之，《名侦探柯南》大结局国语版以其精彩的剧情、出色的配音和精美的画面，为这部经典作品画上了圆满的句号。在柯南的带领下，正义终将战胜邪恶，光明终将驱散黑暗。让我们共同期待《名侦探柯南》带来的更多精彩故事。