近日，螞蟻集團(tuán)旗下具身智能公司靈波科技宣布，全面開源其具身基座模型LingBot-VLA的真機(jī)后訓(xùn)練工具鏈。開發(fā)團(tuán)隊(duì)可基于這套工具鏈，使用自有數(shù)據(jù)將LingBot-VLA快速遷移到自有機(jī)器人和具體任務(wù)中。這是繼今年1月開源模型權(quán)重之后，靈波科技在具身智能工程化落地上邁出的關(guān)鍵一步。

真機(jī)部署的最大痛點(diǎn)：不是沒有模型，而是用不起來

當(dāng)前具身智能領(lǐng)域開源模型持續(xù)增多，但把模型真正部署到自己的機(jī)器人上，仍需要完成大量適配工作。不同機(jī)器人在機(jī)械臂構(gòu)型、末端執(zhí)行器、傳感器配置和控制接口等方面存在差異，開發(fā)團(tuán)隊(duì)往往需要圍繞真機(jī)部署開展大量定制化工程。這套工程鏈路往往是各團(tuán)隊(duì)的核心know-how，過去鮮有完整開放。

靈波科技此次開源的工具鏈，正是針對這一痛點(diǎn)，覆蓋了真機(jī)適配過程中的四個(gè)關(guān)鍵環(huán)節(jié)：

• 數(shù)據(jù)處理模塊 ：支持多源LeRobot數(shù)據(jù)合并、關(guān)節(jié)維度映射標(biāo)準(zhǔn)化，解決不同機(jī)器人數(shù)據(jù)格式不統(tǒng)一的問題
• 真機(jī)訓(xùn)練配置 ：面向真機(jī)場景優(yōu)化的訓(xùn)練參數(shù)與流程
• 離線評測工具 ：方便開發(fā)者在部署前快速驗(yàn)證模型表現(xiàn)
• 真機(jī)部署模塊 ：支持編譯加速，降低推理延遲

模型同時(shí)提供含深度信息與不含深度信息兩個(gè)版本，開發(fā)團(tuán)隊(duì)可根據(jù)自身硬件條件靈活選擇。

2萬小時(shí)真機(jī)數(shù)據(jù)打底，9種機(jī)器人構(gòu)型通吃

LingBot-VLA的底層能力來自于一組罕見的大規(guī)模真機(jī)數(shù)據(jù)集：約20000小時(shí)真實(shí)機(jī)器人操作數(shù)據(jù)，覆蓋AgileX Cobot Magic、Galaxea R1Pro/R1Lite、AgiBot G1、Realman RS-02、樂聚Kuavo 4 Pro、青龍機(jī)器人、ARX Lift2以及Bimanual Franka共9種主流雙臂機(jī)器人構(gòu)型。

這些數(shù)據(jù)全部通過真實(shí)機(jī)器人遙操作采集，而非仿真生成。研究團(tuán)隊(duì)設(shè)計(jì)了半自動(dòng)化標(biāo)注流水線：人工標(biāo)注員按原子動(dòng)作對多視角視頻進(jìn)行切分，再利用Qwen3-VL等大模型生成精確的自然語言指令描述，最終轉(zhuǎn)化為（多視角圖像，語言指令，動(dòng)作序列）三元組。這意味著模型從"小時(shí)候"就見識(shí)了不同機(jī)械臂的運(yùn)動(dòng)方式、不同攝像頭的視角、不同夾爪的特性，為跨本體泛化打下了堅(jiān)實(shí)基礎(chǔ)。

更關(guān)鍵的是，團(tuán)隊(duì)首次在真實(shí)機(jī)器人領(lǐng)域系統(tǒng)性驗(yàn)證了VLA模型的Scaling Law。通過將預(yù)訓(xùn)練數(shù)據(jù)量從3000小時(shí)階梯式增加至20000小時(shí)，實(shí)驗(yàn)表明模型性能隨數(shù)據(jù)量增加持續(xù)提升，且在20000小時(shí)時(shí)仍未觀察到飽和跡象。

150條示教數(shù)據(jù)就夠了，訓(xùn)練效率最高提升2.8倍

LingBot-VLA最讓開發(fā)者心動(dòng)的數(shù)字，可能是"150條"。

實(shí)驗(yàn)表明，僅需150條演示數(shù)據(jù)，LingBot-VLA即可實(shí)現(xiàn)高質(zhì)量的任務(wù)遷移。在Agibot G1平臺(tái)上，僅用80條示范數(shù)據(jù)進(jìn)行后訓(xùn)練，其表現(xiàn)就已超越使用130條完整數(shù)據(jù)訓(xùn)練的π0.5。而且隨著數(shù)據(jù)量增加，LingBot-VLA與π0.5的性能差距進(jìn)一步拉大。

在訓(xùn)練效率方面，得益于底層代碼庫對FSDP分布式訓(xùn)練、混合精度、算子融合等的深度優(yōu)化，LingBot-VLA在8卡GPU配置下實(shí)現(xiàn)了單卡每秒261個(gè)樣本的吞吐量，訓(xùn)練效率達(dá)到StarVLA、OpenPI等主流框架的1.5至2.8倍。以往需要一個(gè)月完成的實(shí)驗(yàn)，現(xiàn)在可能一到兩周就能搞定。

真機(jī)評測全面超越π0.5，已與多家廠商完成適配

在權(quán)威評測中，LingBot-VLA的表現(xiàn)已經(jīng)說明了一切。

在上海交通大學(xué)開源的GM-100真機(jī)基準(zhǔn)（100項(xiàng)真實(shí)操作任務(wù)）測試中，LingBot-VLA在AgileX、Agibot G1、Galaxea R1Pro三個(gè)真實(shí)機(jī)器人平臺(tái)上，跨本體泛化平均成功率達(dá)到17.30%（引入深度信息后），相比π0.5的13.0%提升了4.3個(gè)百分點(diǎn)；任務(wù)進(jìn)度得分達(dá)到35.41%，相比π0.5提升了7.76%。

在RoboTwin 2.0仿真基準(zhǔn)測試中，面對高度隨機(jī)化的復(fù)雜環(huán)境（光照、雜物、背景波動(dòng)），LingBot-VLA的清潔場景成功率達(dá)到88.56%，隨機(jī)場景成功率依然維持在85.34%，操作成功率比π0.5提升了近10個(gè)百分點(diǎn)。

目前，LingBot-VLA已與星海圖、松靈、樂聚等機(jī)器人廠商完成多機(jī)型適配驗(yàn)證，證明了模型在不同構(gòu)型機(jī)器人上的跨本體遷移能力。

代碼已全面開源

目前，LingBot-VLA的完整代碼庫已在GitHub開源（github.com/Robbyant/lingbot-vla），模型權(quán)重同步發(fā)布于Hugging Face和ModelScope。開源內(nèi)容包含模型權(quán)重、數(shù)據(jù)處理工具、高效微調(diào)代碼、離線評測系統(tǒng)、部署方案以及技術(shù)報(bào)告，旨在推動(dòng)具身智能技術(shù)的標(biāo)準(zhǔn)化發(fā)展，讓更多開發(fā)團(tuán)隊(duì)能以更低成本快速適配自有場景。

從20000小時(shí)真機(jī)數(shù)據(jù)的預(yù)訓(xùn)練，到150條示教數(shù)據(jù)的高效遷移，再到1.5至2.8倍的訓(xùn)練加速，靈波科技用這套開源工具鏈證明了一件事：具身智能的規(guī)?；涞?，不再只是實(shí)驗(yàn)室里的愿景，而是一條可以走通的工程路徑。