螞蟻集團旗下具身人工智能公司 Robbyant，今日宣布推出 LingBot-VA 2.0。該模型是業界首個具身原生視像動作世界模型。
這次發布標誌着機械人基礎模型的重要轉變，從重新利用數碼世界模型，轉向為實體世界原生設計。LingBot-VA 2.0 並非依賴經微調的數碼內容生成模型，而是從零開始構建，以滿足實體環境中動態建模、因果預測及即時執行的原始需求。
由 LingBot-VA 2.0 驅動的機械人與人類進行即時桌面氣墊球比賽 AP圖片
將世界模型與具身人工智能整合，一直是人工智能業界的主要焦點之一。然而，大部分主流方法依賴為數碼內容設計的視像生成模型，再將其微調以用於機械人控制。由於內容創作優先考慮視覺質素及創意，而機械人控制則需要執行效率及物理準確性，這種強行適應往往導致知識遺忘及泛化能力下降。
LingBot-VA 2.0 採取不同方法。透過使用自迴歸架構從零開始預訓練，該模型旨在理解一個動作將如何改變環境，並根據該因果預測決定下一步。
為實現此目標，LingBot-VA 2.0 建基於四個核心設計：
這些設計解決了具身世界模型執行效率低的常見業界挑戰，在單一圖像處理器上實現每秒 150 赫茲的即時推理速度。此外，該模型可透過上下文學習，僅使用最少 20 個示範，無需參數更新即可泛化至新任務。
LingBot-VA 2.0 是 Robbyant 近期發布周的重點，該公司推出了六個模型，共同構成一個完整的具身原生全棧，涵蓋感知、世界模擬及動作：
這些模型包括 LingBot-Depth 2.0、LingBot-Vision、LingBot-VLA 2.0、LingBot-World 2.0、LingBot-Video 及 LingBot-VA 2.0。
Robbyant 行政總裁朱星指出，Robbyant 將繼續探索具身智能的新極限，同時加快開放技術及應用生態系統的發展，以加速機械人在工業及現實世界場景中的部署。
Robbyant 是螞蟻集團旗下的具身智能公司，致力透過尖端軟硬件技術推動具身智能發展。Robbyant 獨立開發具身人工智能的基礎大模型，並積極探索下一代智能設備，旨在創造真正理解及改善人們日常生活的機械人伴侶及護理員，並在長者護理、醫療協助及家務等關鍵應用場景中提供可靠的智能服務。
（美聯社）
