LingBot-VLA 2.0：机器人「大脑」开始吃厚数据

原文来自量子位 2026-07-08 11:33 发布的《60000 小时炼出新开源 VLA！20 多种机器人都能用》，本期按四张卡提炼 LingBot-VLA 2.0 的数据、动作空间、未来预测和评测边界。1

1. 为什么值得看

LingBot-VLA 2.0 是蚂蚁灵波开源的新一代 VLA（视觉-语言-动作）模型；arXiv 摘要把它定位为从大规模预训练走向真实机器人应用的实践型基础模型，GitHub README 也列出论文、项目页、Hugging Face 与 ModelScope 权重入口。2 3

卡 1：开源与主线。 这次更新的主线不是单个机器人 Demo，而是让同一个具身基础模型覆盖更多任务、本体和长序列操作。2
卡 2：数据来源。 论文称预训练数据约 60000 小时，其中 50000 小时来自覆盖 20 种机器人构型的机器人轨迹，另有 10000 小时来自第一视角人类操作视频；机器人侧原始数据池约 90000 小时，经清洗后保留高质量数据。4
卡 3：动作空间。 GitHub README 与论文都提到，LingBot-VLA 2.0 使用 55 维 canonical state/action vector，把手臂、末端、夹爪、灵巧手、腰部、头部和移动底盘等信号映射到统一表示。3 4
卡 4：评测与边界。 论文报告，在 GM-100 双臂 generalist 设置中，LingBot-VLA 2.0 在 AgileX Cobot Magic 平台的平均进度分 / 成功率为 66.2 / 34.4，在 Galaxea R1 Pro 为 34.6 / 15.6；长程移动操作里，冰箱收纳任务从 ID 到 OOD 的指标明显下降，说明泛化仍是关键挑战。4

这篇文章的关键信号是：具身智能的「通用大脑」正在从模型参数竞争，转向真实数据规模、统一动作表示和可迁移评测三件事的组合竞争。论文指标仍来自项目方报告，读者应把它看作开源路线与研究进展，而不是独立第三方实测结论。2 3