蚂蚁灵波开源LingBot-VLA训练代码 150条数据适配新机器人

具身智能领域迎来又一重要开源进展。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

蚂蚁集团旗下具身智能公司灵波科技，正式全面开源其具身基座模型LingBot-VLA的真机后训练工具链。这意味着，开发者现在能够基于这套完整的工具链，利用自有数据，将LingBot-VLA高效迁移至特定机器人平台与定制化任务场景中，加速具身智能应用部署。

当前，具身智能开源模型日益丰富，但将模型成功部署至真实机器人远非下载权重即可完成。不同机器人在机械臂构型、末端执行器、传感器配置及控制接口上存在显著差异，开发团队通常需要投入大量精力进行真机适配与工程化改造。这套复杂的工程链路，以往常被视为各团队的核心技术壁垒。

灵波科技此次开源的，正是针对真机适配中最核心且繁琐环节的完整解决方案。该工具链涵盖四大关键模块：支持多源LeRobot数据合并与关节维度映射标准化的数据处理工具、专为真机场景优化的训练配置方案、用于效果验证的离线评测工具，以及支持编译加速的真机部署模块。工具链还贴心提供了包含深度信息与不含深度信息的两个模型版本，方便团队根据自身传感器配置灵活选用。

作为背景，LingBot-VLA是蚂蚁灵波开源的具身智能基座模型。它基于超过2万小时的真实机器人数据进行预训练，覆盖9种主流双臂机器人构型，具备出色的跨本体与跨任务泛化能力。官方评测数据显示，在真机与仿真测试中，LingBot-VLA的性能表现均优于行业基准模型π0.5，并已与乐聚、松灵、星海图等多家机器人厂商完成了多机型适配验证。

其部署效率尤为值得关注。据了解，LingBot-VLA仅需约150条演示数据即可实现高质量的任务迁移。这得益于其底层代码库的深度优化，使得模型训练效率达到StarVLA、OpenPI等主流框架的1.5至2.8倍，显著降低了模型适配所需的数据收集与计算资源门槛。

目前，LingBot-VLA的完整代码库已在GitHub上开源，模型权重也已同步发布于Hugging Face与ModelScope平台。对于致力于具身智能技术落地与机器人应用开发的团队而言，这提供了一个从模型选型、训练优化到真机部署的端到端参考方案，有望推动行业应用进程。