蚂蚁灵波开源LingBot-VLA：150条示教数据快速适配新机器人

蚂蚁集团旗下具身智能公司灵波科技今日宣布，正式开源其具身基座模型 LingBot-VLA 的真机后训练工具链。开发者现在可以利用这套完整的工程方案，基于自有数据集，高效地将 LingBot-VLA 适配至特定机器人硬件与任务场景。

当前，具身智能开源模型数量增长迅速，但将通用模型部署至实体机器人仍面临显著工程挑战。机器人本体在机械结构、执行器配置、传感器融合及控制接口等方面存在巨大差异。实现真机部署通常需要大量定制化适配工作，而这条完整的工程链路此前多被视为企业核心技术，极少对外公开。

灵波科技此次开源，直接针对真机适配的核心瓶颈。工具链完整覆盖四个关键阶段：支持多源LeRobot格式数据合并与关节维度标准化映射的数据处理工具；针对真机场景优化的训练配置方案；用于性能评估的离线评测工具；以及支持编译加速的真机部署模块。为适配不同应用需求，模型同时提供了包含深度信息与不包含深度信息的两个版本。

作为基座模型，LingBot-VLA 具备坚实的性能基础。其预训练使用了超过2万小时的真实机器人操作数据，涵盖9种主流双臂机器人构型，因此在跨本体与跨任务泛化能力上表现优异。官方测试数据显示，LingBot-VLA 在真机测试与仿真环境中的性能均超越行业基准模型π0.5。该模型已完成与乐聚、松灵、星海图等多家机器人厂商的多机型验证，具备直接落地应用的条件。

其数据效率尤为突出。据披露，LingBot-VLA 仅需约150条高质量演示数据即可实现有效的任务迁移。这得益于其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至2.8倍。这显著降低了开发者进行模型微调所需的数据采集成本与算力开销。

目前，LingBot-VLA 的完整代码库已在 GitHub 开源，模型权重同步发布于 Hugging Face 与 ModelScope 平台。这为具身智能研发团队提供了一个高性能、高工程化程度的开发起点。