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）
黑龙江省友好区双子河街道，江西省寻乌县菖蒲乡 ，内蒙古自治区卓资县梨花镇，江西省寻乌县菖蒲乡，云南省德钦县云岭乡，甘肃省武都区琵琶镇，博罗县龙溪镇，浙江省青田县万阜乡，山东省郓城县李集镇，湖南省沅江市胭脂湖街道，河北省吴桥县于集镇，浙江省青田县万阜乡，贵州省余庆县花山苗族乡，二道白河镇，河北省吴桥县于集镇，河北省枣强县嘉会镇，广西壮族自治区凤山县凤城镇 ，湖南省沅江市胭脂湖街道，四川省理县蒲溪乡，山东省郓城县李集镇，平湖市新埭镇，定兴县固城镇
全球服务区域: 云南省德钦县云岭乡，定兴县固城镇 ，江西省临川区六水桥街道，安徽省肥东县梁园镇，江西省弋阳县桃源街道，浙江省青田县万阜乡，重庆市潼南区桂林街道，江西省临川区六水桥街道，黑龙江省明水县双兴镇，陕西省白河县冷水镇，云南省德钦县云岭乡，河北省枣强县嘉会镇，定兴县固城镇，广西壮族自治区合浦县乌家镇，重庆市潼南区桂林街道，江西省广信区花厅镇，河北省吴桥县于集镇 ，广西壮族自治区合浦县乌家镇，定兴县固城镇，二道白河镇，广西壮族自治区钟山县钟山镇，广西壮族自治区凤山县凤城镇。
电视剧《女管家》自播出以来，以其独特的剧情和鲜明的人物形象，吸引了众多观众的关注。该剧讲述了在一个充满权谋与斗争的封建王朝，一位忠诚的女管家如何凭借自己的智慧与勇气，在宫廷中生存并最终实现自我价值的故事。随着剧情的推进，观众们对女管家最终的命运充满了期待。那么，电视剧《女管家》的大结局究竟如何呢？ 在《女管家》的大结局中，女管家在经历了无数的磨难与考验后，终于揭开了宫廷中的重重谜团。她凭借自己的聪明才智，识破了皇后的阴谋，成功保护了皇帝的安全。然而，在这场斗争中，女管家也付出了巨大的代价，她的亲人、朋友纷纷离她而去，让她倍感孤独。 在剧情的高潮部分，女管家为了揭露皇后的阴谋，不得不亲自进入皇宫的禁地。在那里，她与皇后展开了一场惊心动魄的对决。在关键时刻，女管家利用自己的智慧，巧妙地化解了皇后的阴谋，成功拯救了皇帝。然而，在这场斗争中，女管家也受到了严重的伤害，几乎失去了生命。 在女管家昏迷不醒之际，皇帝深感愧疚，决定亲自照顾她。在皇帝的悉心照料下，女管家终于恢复了健康。然而，在康复过程中，女管家意识到自己已经无法回到过去的生活。她决定离开皇宫，开始新的生活。 在离开皇宫的那一天，皇帝亲自送女管家出宫。他们相拥而泣，依依不舍。女管家告诉皇帝，她将永远铭记这段经历，并将自己的忠诚与智慧传承下去。皇帝也为女管家的勇敢与智慧所感动，决定让她成为自己的亲信，共同治理国家。 在电视剧《女管家》的大结局中，女管家虽然离开了皇宫，但她并没有放弃自己的信仰和追求。她用自己的行动证明了，一个女子也可以在封建王朝中闯出一片天地。女管家的故事，让我们看到了忠诚与背叛的较量，也让我们明白了，在逆境中，只有勇敢面对，才能找到属于自己的光明。 值得一提的是，电视剧《女管家》在结局的处理上，既符合了剧情的发展，又给观众留下了深刻的印象。女管家虽然离开了皇宫，但她的人生并没有结束。她将继续在新的环境中，用自己的智慧与勇气，书写属于自己的传奇。 总之，电视剧《女管家》的大结局，以其精彩的故事情节和深刻的人物形象，赢得了观众的喜爱。女管家的故事，让我们明白了忠诚、勇敢和智慧的重要性。在今后的生活中，我们也将以女管家为榜样，勇敢面对困难，追求自己的梦想。