蚂蚁灵波开源具身基座模型LingBot-VLA真机后训练代码

　　5月13日消息，蚂蚁集团旗下具身智能公司灵波科技今日宣布，全面开源其具身基座模型 LingBot-VLA 的真机后训练工具链。开发团队可基于这套工具链，使用自有数据将 LingBot-VLA 快速迁移到自有机器人和具体任务中。

　　当前，具身智能领域开源模型持续增多，但把模型真正部署到自己的机器人上，仍需要完成一系列适配工作。由于不同机器人在机械臂构型、末端执行器、传感器配置和控制接口等方面存在差异，开发团队通常需要围绕真机部署开展大量工程工作。这套工程链路往往是各团队的核心 know-how，过去鲜有完整开放。

　　此次开源针对真机适配过程中的核心需求，覆盖四个关键环节：支持多LeRobot 数据合并、关节维度映射标准化的数据处理工具，面向真机场景优化的训练配置，离线评测工具，以及支持编译加速的真机部署模块。模型同时提供含深度和不含深度两个版本，方便开发团队根据自身需求进行选择。

　　作为蚂蚁灵波开源的具身基座模型，LingBot-VLA 基于 2 万小时真实机器人数据预训练，覆盖 9 种主流双臂机器人构型，具备跨本体、跨任务泛化能力。在真机和仿真评测中，LingBot-VLA 均优于行业基准 π0.5，并已与乐聚、松灵、星海图等厂商完成多机型验证。

　　据悉，LingBot-VLA 仅需 150 条演示数据即可实现高质量的任务迁移。得益于底层代码库的深度优化，其训练效率达到 StarVLA、OpenPI 等主流框架的 1.5~2.8 倍，进一步降低模型适配所需的数据和算力成本。

　　目前，LingBot-VLA 代码库已在 GitHub 开源（github.com/Robbyant/lingbot-vla），模型权重同步发布于 Hugging Face 和 ModelScope。