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）

贵州省余庆县花山苗族乡，河北省吴桥县于集镇 ，安徽省鸠江区白茆镇，河北省吴桥县于集镇，陕西省白河县冷水镇，云南省德钦县云岭乡，尚义县南壕堑镇，博罗县龙溪镇，陕西省白河县冷水镇，贵州省余庆县花山苗族乡，江西省寻乌县菖蒲乡，黑龙江省明水县双兴镇，江西省临川区六水桥街道，四川省木里藏族自治县依吉乡，平湖市新埭镇，召夸镇，陕西省白河县冷水镇 ，黑龙江省友好区双子河街道，江西省广信区花厅镇，江西省临川区六水桥街道，黑龙江省明水县双兴镇，河北省枣强县嘉会镇

全球服务区域: 新余市，召夸镇 ，山东省河口区新户镇，云南省德钦县云岭乡，新余市，江西省广信区花厅镇，山东省郓城县李集镇，二道白河镇，定兴县固城镇，陕西省白河县冷水镇，重庆市潼南区桂林街道，河南省林州市横水镇，四川省理县蒲溪乡，尚义县南壕堑镇，贵州省余庆县花山苗族乡，江西省寻乌县菖蒲乡，广东省天河区元岗街道 ，甘肃省渭源县大安乡，广东省天河区元岗街道，陕西省白河县冷水镇，浙江省青田县万阜乡，山东省郓城县李集镇。

《少林寺传奇第二部》是一部深受观众喜爱的武侠电视剧，它以我国著名的少林寺为背景，讲述了主人公在江湖中的传奇经历。该剧继承了第一部的故事脉络，将武侠世界的传奇故事再次呈现在观众面前。 故事的主人公是一位名叫少林僧的少年，他自幼在少林寺习武，因机缘巧合，踏入江湖，开始了一段充满传奇色彩的冒险之旅。在第二部中，少林僧在江湖中结识了众多英雄豪杰，他们共同对抗邪恶势力，守护江湖和平。 该剧在影视制作上，沿用了第一部的经典元素，如精美的武术动作、华丽的服饰道具以及壮丽的山水画面。同时，第二部在剧情上更加丰富，加入了更多的人物关系和情感纠葛，使得故事更加引人入胜。 在《少林寺传奇第二部》中，少林僧的武艺更加炉火纯青，他不仅掌握了少林寺的绝世武功，还学会了其他门派的独门绝技。在剧中，他运用这些武艺，与邪恶势力展开了一场场惊心动魄的较量。其中，最为精彩的莫过于他与魔教教主的一战，两人各展所长，最终正义战胜邪恶，彰显了武侠世界的正能量。 除了精彩的武打场面，该剧还展现了丰富的情感戏。少林僧在江湖中结识了红颜知己，两人共同经历了生死离别，感情愈发深厚。然而，江湖险恶，他们不得不为了江湖和平，放弃彼此的感情，各自踏上征程。这段感情戏，让观众感受到了武侠世界中的真挚情感。 在《少林寺传奇第二部》中，还有一些令人难忘的角色。如忠心耿耿的师兄弟，他们为了保护少林寺，不惜牺牲自己；还有那些邪恶势力，他们为了权力和利益，不惜伤害无辜。这些角色的出现，使得剧情更加跌宕起伏，引人入胜。 值得一提的是，该剧在音乐制作上同样出色。主题曲《少林寺传奇》旋律激昂，让人热血沸腾；插曲《江湖路》则深情款款，让人陶醉其中。这些音乐为剧情增色不少，使得整部电视剧更具观赏性。 总之，《少林寺传奇第二部》是一部值得一看的武侠电视剧。它不仅传承了我国武侠文化的精髓，还展现了江湖世界的美好与残酷。在剧中，观众可以感受到武侠世界的传奇色彩，也能体会到人性的善恶美丑。相信这部电视剧会成为许多人心中的经典之作。