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）
甘肃省渭源县大安乡，广西壮族自治区钟山县钟山镇 ，内蒙古自治区卓资县梨花镇，广西壮族自治区合浦县乌家镇，重庆市潼南区桂林街道，陕西省白河县冷水镇，广东省天河区元岗街道，江西省寻乌县菖蒲乡，青海省大通回族土族自治县东峡镇，江西省临川区六水桥街道，博罗县龙溪镇，江西省广信区花厅镇，广西壮族自治区凤山县凤城镇，山东省槐荫区振兴街街道，博罗县龙溪镇，广西壮族自治区钟山县钟山镇，青海省大通回族土族自治县东峡镇 ，福建省福鼎市磻溪镇，虎丘区，江西省于都县梓山镇，尚义县南壕堑镇，广东省天河区元岗街道
全球服务区域: 贵州省余庆县花山苗族乡，山东省河口区新户镇 ，河北省吴桥县于集镇，江西省广信区花厅镇，广东省天河区元岗街道，黑龙江省友好区双子河街道，浙江省青田县万阜乡，甘肃省金塔县金塔镇，江西省临川区六水桥街道，河北省吴桥县于集镇，江西省广信区花厅镇，云南省德钦县云岭乡，甘肃省庆城县桐川镇，山东省郓城县李集镇，甘肃省渭源县大安乡，贵州省余庆县花山苗族乡，江西省弋阳县桃源街道 ，广西壮族自治区凤山县凤城镇，甘肃省庆城县桐川镇，虎丘区，黑龙江省友好区双子河街道，甘肃省渭源县大安乡。
《一路向西》是一部充满情感与思考的电影，讲述了一段跨越时空的爱情故事。这部影片以其独特的叙事手法和深刻的情感表达，赢得了观众的广泛好评。下面，就让我们一起来回顾这部经典之作的完整版电影。 电影的故事发生在一个充满浪漫气息的西部小镇。主人公小杨（由著名演员XXX饰演）是一名年轻的摄影师，他带着对未知世界的向往，踏上了前往西部的旅程。在旅途中，他邂逅了美丽的女主角小芳（由XXX饰演），两人一见钟情，开始了浪漫的恋情。 《一路向西》的导演巧妙地将现实与回忆交织在一起，通过小杨的视角，让观众仿佛穿越时空，一同见证了他们爱情的点点滴滴。影片中，小杨和小芳在西部广袤的草原上奔跑、在夕阳下相拥、在星空下许下永恒的誓言，这些画面令人陶醉。 在电影中，导演运用了大量的影视手法，如慢镜头、长镜头等，将西部风光的美景展现得淋漓尽致。同时，影片中的音乐也极具特色，既有激昂的旋律，又有悠扬的民谣，为影片增色不少。 值得一提的是，《一路向西》的演员阵容十分强大。主演XXX和XXX凭借出色的演技，将小杨和小芳这对情侣的形象刻画得栩栩如生。此外，影片中的配角们也各具特色，为故事增添了丰富的层次感。 在情感表达方面，《一路向西》同样令人印象深刻。影片中，小杨和小芳的爱情经历了甜蜜、争吵、分离、重逢等种种波折，最终走向了圆满。导演通过细腻的笔触，让观众感受到了爱情的美好与残酷，引发观众对生活的思考。 值得一提的是，影片中的台词也颇具哲理。例如，小杨曾对小芳说：“人生就像一场旅行，不在乎目的地，在乎的是沿途的风景以及看风景的心情。”这句话道出了人生的真谛，让人深思。 在《一路向西》的完整版电影中，我们还看到了导演对西部文化的独特理解。影片中，小杨和小芳在西部小镇的生活，既有对传统习俗的尊重，又有对现代文明的追求。这种融合，展现了导演对西部文化的深刻认识。 总之，《一路向西》是一部值得一看再看的电影。它不仅让我们感受到了爱情的美好，还让我们对生活有了更深的思考。在今后的日子里，让我们带着这份感动，一路向西，追寻属于自己的幸福。