1月30日，蚂蚁集团旗下灵波科技正式开源其最新成果——具身世界模型 LingBot-VA。这是继空间感知模型 LingBot-Depth、具身大模型 LingBot-VLA 与通用世界模型 LingBot-World后，灵波科技在具身智能领域的“第四连发”，标志着其“世界模型赋能具身操作”技术路线的全面成型。
首创自回归视频-动作世界建模框架
LingBot-VA 的核心突破在于其首创的自回归视频-动作世界建模框架。该框架将大规模视频生成模型与机器人控制深度融合，使模型在生成“下一步世界状态”的同时，直接推演并输出对应的动作序列。这一机制让机器人摆脱了传统“感知-规划-执行”的割裂模式，真正实现像人类一样“边推演、边行动”的连续智能行为。
真机与仿真评测均刷新行业纪录
在极具挑战性的真机评测中，LingBot-VA 展现出对复杂物理交互的强适应能力。面对长时序任务（如制作早餐、拾取螺丝）等三大类六项高难度挑战，模型仅需 30~50 条真机演示数据即可完成适配，且任务成功率相较业界强基线 Pi0.5 平均提升 20%。
在仿真环境中，LingBot-VA 的表现更为惊艳。在高难度双臂协同操作基准 RoboTwin2.0 上，它首次将任务成功率提升至 超过 90%；在长时序终身学习基准 LIBERO 上，更是达到了 98.5% 的平均成功率，双双刷新了行业纪录。
技术创新：为端侧落地扫清障碍
为解决大规模视频世界模型在机器人端侧部署面临的计算瓶颈，LingBot-VA 引入了一系列创新设计：
异步推理管线：将动作预测与电机执行并行化处理，显著降低延迟。
基于记忆缓存的持久化机制：减少冗余计算，提升推理效率。
噪声历史增强策略：增强模型鲁棒性，确保在真实、嘈杂环境中也能稳定输出精确指令。
这些优化使得 LingBot-VA 在保有大模型强大理解能力的同时，兼具了真机低延迟控制所需的响应速度，为世界模型从实验室走向真实产业场景铺平了道路。
构建具身智能AGI生态
LingBot-VA 并非孤立存在，而是灵波科技构建的完整具身智能技术栈的关键一环。此前开源的 LingBot-Depth（“机器人眼睛”）、LingBot-VLA（“机器人大脑”）和 LingBot-World（“通用模拟器”）共同构成了一个从感知、决策到行动的闭环体系。LingBot-VA 的加入，则为这个体系注入了“前瞻推演”的核心能力。
蚂蚁灵波表示，将持续依托 InclusionAI 社区推进开源开放，与行业共建具身智能基础能力，加速构建一个深度融合、服务于真实产业场景的AGI生态。目前，LingBot-VA 的模型权重与推理代码已全面开源，为全球研究者和开发者提供了探索下一代机器人智能的宝贵工具。