蚂蚁灵波开源LingBot-VLA后训练代码！150条示教数据即可适配新机器人

就在刚刚，蚂蚁集团旗下具身智能公司灵波科技传出新动作——

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，模型权重同步发布于Hugging Face和ModelScope。

开源地址：github.com/Robbyant/lingbot-vla

文章来自于"量子位"，作者 "蚂蚁灵波"。