标题：蚂蚁团队开源6B模型LingBot-VLA 2.0：统一动作空间，跨实体机器人迈出关键一步

摘要：Robbyant团队开源LingBot-VLA 2.0，一个6B参数视觉-语言-动作基础模型。采用MoE专家架构，60,000小时跨20种机器人及人类视频数据训练，以55维规范向量统一动作表示，在GM-100基准上超越π0.5。该工作将通用机器人策略从实验室推向实际部署。

通用机器人操作长期面临一道“跨实体鸿沟”：不同机器人身上装载的摄像头位置、关节构型、动作编码方式各不相同，导致一种机器人学到的技能难以迁移到另一种硬件上。无论是工业界的机械臂还是服务领域的移动操作平台，模型往往需要在特定硬件上从头收集数据训练，这种“手工作坊”式的开发模式直接限制了机器人技术的规模化普及。

近期，Robbyant团队发布的LingBot-VLA 2.0正式向这一困境开出“药方”。这是一款以Qwen3-VL-4B-Instruct为视觉-语言骨干，搭配MoE（混合专家）动作专家架构的6B参数开源VLA模型。其核心创新在于通过一个55维规范向量，将不同机器人平台（无论是单臂轮式机器人，还是双机械臂移动平台）的状态和动作映射到统一的动作空间中。

这种统一的动作表征让模型可以消化海量异构数据。训练集包含约60,000小时高质量数据（50,000小时机器人轨迹 + 10,000小时第一人称人类视频），覆盖20种不同硬件配置（包括夹爪、吸盘、双臂等末端执行器）。相比π0.5等前沿模型主要以灵巧手或特定平台为主，LingBot-VLA 2.0在数据规模和硬件多样性上实现了质的飞跃。

在GM-100双机械臂基准测试中，该模型在多米诺、收纳、倒水等任务上均优于π0.5和上一代版本。原因在于MoE架构可以让不同专家模块各司其职：当模型需要执行精确抓取时，高保真动作专家被激活；当需要理解长程任务指令时，语言与视觉特征对齐的专家介入，模型无需在推理时做技术取舍。

从行业视角看，LingBot-VLA 2.0的发布绝非又一例实验室demo。它给出的三样东西对开发者格外有价值：第一，开源权重与代码（Apache-2.0许可）降低了二次开发的门槛；第二，55维规范向量的设计为未来跨平台数据聚合提供了标准化范本；第三，MoE架构在保持6B参数体量的同时，推理时仅激活部分专家，对边缘部署更友好。

不过也要看到，通用VLA模型仍有“最后几公里”要走。当前模型对动态环境（如光线剧变、遮挡突增）的鲁棒性尚未充分验证，且6B参数对于车载嵌入式芯片仍稍显臃肿。一个清晰的方向是：未来半年到一年，头部团队将更关注模型轻量化压缩与实机在线微调的工程落地。

对于从事机器人操作研究的团队，现在是将LingBot-VLA 2.0部署到自有平台上微调的好时机。跨实体泛化和MoE统一框架的思路，很可能成为通用机器人策略的标准范式。在这个由数据和架构共同驱动的时代，开放意味着更快的行业整体进化。