当前位置:

首页 > 硬件相关 > 蚂蚁灵波发布行业首个具身原生世界动作模型LingBot-VA 2.0

蚂蚁灵波发布行业首个具身原生世界动作模型LingBot-VA 2.0

蚂蚁灵波于7月10日发布业界首个具身原生世界动作模型LingBot-VA2.0,从零基于自回归架构预训练,采用语义视觉-动作分词器、因果范式、MoE架构及增强异步推理,实现单卡150Hz实时推理,真机测试执行速度与泛化能力出色。

本文目录

    有件事值得单独拿出来说——蚂蚁灵波在7月10日发布了业界首个具身原生世界动作模型,叫LingBot-VA 2.0。这个动作,在这个时间点上,挺有分量的。

    蚂蚁灵波发布行业首个具身原生世界动作模型LingBot-VA 2.0

    今年以来,世界模型和具身智能怎么融合,一直是行业里吵得最热的话题之一。当前,大多数玩家走的是同一条路:先找一个为数字内容创作设计的视频生成模型,然后通过微调把它改造成能控制机器人的东西。但这个路数有个天然的矛盾——内容创作和机器人控制,本质上出发点是两码事。强行把前者往后者上“微调”,结果往往是知识遗忘、泛化能力下降这些副作用。

    LingBot-VA 2.0选择了一条更艰难的路线:从零开始,基于自回归架构做预训练。他们没有走捷径,而是通过四大核心设计,硬生生把原生基模给搭了起来。

    先说第一点,他们引入了一个叫“语义视觉-动作分词器”的东西,作为全新的视觉编码器。这个模块在做视觉压缩的时候,就把语义信息和动作信息对齐了——这样一来,模型在后续训练中,更容易把“理解指令”转化成“完成动作”,指令跟随和动作精度自然就上去了。第二点,模型采用了严格的因果预训练范式。从训练一开始,就用自回归架构,确保视觉预测和动作生成严格遵循单向时间顺序,不乱套。第三,引入了MoE架构,在不牺牲推理效率的前提下,把模型容量撑大了不少,性能和效率之间找到了一个平衡点。第四,通过增强的异步推理机制,实现了实时闭环控制。机器人一边执行动作,一边预测未来状态,同时用最新的真实观测数据不断校正下一步决策。

    基于这些设计,LingBot-VA 2.0在行业普遍头疼的“具身世界模型执行效率低”这个老问题上,交出了一份答卷:单卡150Hz的实时推理效率。这个数字,放在当前环境下,是有说服力的。

    得益于这套具身原生架构,LingBot-VA 2.0在真机测试中表现出了相当出色的执行速度和泛化能力。蚂蚁灵波CEO朱兴的说法是,一边持续探索具身智能的新上限,一边加速构建开放的技术生态和场景生态,让机器人加速走向真正的产业场景。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关
    相关文章 更多
    自变量发布跨模态具身动作分词器X-Tokenizer
    自变量发布跨模态具身动作分词器X-Tokenizer

    自变量机器人发布跨模态具身动作分词器X-Tokenizer,将VLA模型中的动作离散化重新定义为多模态推理与动作的语义接口学习,使机器人更好表达动作。动作Token的语义决定了预训练模型收敛效果及连续动作输出性能。

    7月SUV市场大动作!5款新车定价揭秘,奔驰纯电GLC低价入场搅动风云
    7月SUV市场大动作!5款新车定价揭秘,奔驰纯电GLC低价入场搅动风云

    7月SUV市场迎来5款新车,覆盖22-40万元区间。奔驰纯电GLC预售价34.9万元起,比燃油版低近8万;蔚来ES8五座版Baas方案起售28万级;红旗天工08预售价21.59万起;理想L6改款升级智驾系统;长安福特探险者改款优化细节。

    支持8项动作开关! Win11新版右键菜单定制选项Customize menu体验
    支持8项动作开关! Win11新版右键菜单定制选项Customize menu体验

    科技媒体 Windows Central 昨日(8 月 17 日)发布博文,分享了 Windows 11 新版右键菜单的“自定义菜单”(Customize menu)使用体验。用户需要预设相关操作,首次点击“自定义菜单”后会跳转到 Windows 设置

    蚂蚁灵波发布具身原生世界动作模型LingBot-VA 2.0
    蚂蚁灵波发布具身原生世界动作模型LingBot-VA 2.0

    蚂蚁灵波发布业界首个具身原生世界动作模型LingBot-VA2.0,从零开始基于自回归架构预训练,围绕动态建模、因果预测、实时执行等核心痛点设计原生方案,突破传统视频生成模型微调路径。

    蚂蚁灵波科技发布首个具身原生世界动作模型
    蚂蚁灵波科技发布首个具身原生世界动作模型

    蚂蚁灵波科技发布行业首个具身原生基础模型LingBot-VA2.0,基于自回归架构从零预训练,使机器人具备边推演边行动的通用控制能力。真机测试中,该模型能驱动机器人与人类进行多轮随机对打,反应速度与泛化能力显著提升。

    苹果录屏怎么把鼠标点击动作录进去
    苹果录屏怎么把鼠标点击动作录进去

    想让苹果录屏里真正显示出鼠标点击效果,前提是先把系统级点击视觉反馈打开。常见做法有这几种:按 Shift+Command+5 后勾选“显示鼠标点按”,在 QuickTime Player 里启用同一选项,或者在 macOS Tahoe 26+ 中通过齿轮图标进一步自定义彩色脉冲动画。苹果录屏时想让观

    训记如何设置自动下一个动作
    训记如何设置自动下一个动作

    训记应用的“自动下一个动作”功能可提升记录流畅度。用户需进入设置界面,在动作管理板块找到该功能,并设置基于时间或内容的自动切换条件。调整参数后保存设置,即可实现记录完成后自动跳转至下一动作,让用户更专注于任务本身。

    面部动作分析识别深度伪造准确率超95%
    面部动作分析识别深度伪造准确率超95%

    德国马克斯·普朗克信息学研究所等机构提出基于面部表情自然度分析的深度伪造检测方法,通过比对实际面部动作与FLAME模型预测参数,在多个基准数据集上平均准确率超95%,对Sora2生成视频识别率近95%,但需强大硬件且暂无法实时应用。

    暴力拉升!大涨36.89%!港股龙头两大动作曝光
    暴力拉升!大涨36.89%!港股龙头两大动作曝光

    港股大模型概念股集体爆发,智谱股价大涨36.89%。其建成1GW级国产AI算力数据中心并收购中科加禾,补齐算力供给与释放能力。国产大模型在开源规模、长上下文处理等方面实现突破,产业竞争力提升。

    vegas视频怎么制作慢动作效果-vegas视频慢动作效果制作教程
    vegas视频怎么制作慢动作效果-vegas视频慢动作效果制作教程

    在Vegas中制作慢动作,先拖入素材并右键插入速度包络,拖动绿色控制线节点降低速度;降速超50%时开启“智能重新采样”补帧,或在属性面板设置播放速率精确调整。建议使用高帧率素材,分离音频避免变调,导出时保持帧率一致。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。