企业官网建设流程全解析

• 人工智能
• 大模型
• 基础模型
• 预训练
• 微调
• 具身智能
• 机器人
• 计算机视觉

LingBot-VLA 2.0 是一个面向真实机器人应用的视觉-语言-动作（VLA）基础模型，其核心能力正是通过GM-100 双臂操作与长时程移动操作两大真实机器人性能基准得到验证。这篇文章带你快速看懂：LingBot-VLA 2.0 在这些基准上到底赢在哪、赢了多少，以及背后的三大技术支柱。🏆

一、性能基准速览：一张表看懂胜负

LingBot-VLA 2.0 在真实机器人上的评测采用"通用设置"（generalist setting），指标统一报告为进度得分 / 成功率（progress score / success rate）。

GM-100 双臂操作基准（两台平台）

在 AgileX Cobot Magic 平台上，LingBot-VLA 2.0 的进度得分（66.2）和成功率（34.4%）双双领跑所有对比模型；在 Galaxea R1Pro 上进度得分同样最高，成功率与 1.0 版持平。

长时程移动操作基准（两种移动本体）

💡 亮点：在**域外（Out-of-domain）**设置下，LingBot-VLA 2.0 的优势被进一步放大——Astribot S1 域外成功率是 π0.5 的两倍（13.3% vs 6.7%），说明它学到的不是死记硬背，而是可泛化的操作策略。

这两台本体覆盖了典型移动操作形态：Cobot Magic-ARX X5 配备 2×6 自由度机械臂 + 夹爪、双腕部相机与差速底盘；Astribot S1 则是带灵巧躯干与全向轮底盘的人形移动平台。移动底盘 + 双臂的长时程任务，正是检验 VLA 模型"扩展动作空间"能力的试金石。

二、为什么能胜出？三大技术支柱

1️⃣ 约 60,000 小时的大规模异构预训练数据

LingBot-VLA 2.0 重新设计了数据管线，精选了约60,000 小时预训练数据：

• 50,000 小时机器人轨迹，覆盖20 种机器人构型（单臂、双臂、半人形、人形）；
• 10,000 小时第一视角（egocentric）人类视频。

原始数据池会经过严格过滤：剔除视频-状态错位、模糊遮挡、多视角错位、异常速度/加速度/急动度的片段，以及静态信号片段，保证喂给模型的都是高质量样本。📊

数据细节可查看 README.md 的 Pre-Training Data 章节与 lingbotvla/data/vla_data/README.md。

2️⃣ 55 维统一动作空间：从双臂到移动底盘的"万能插座"

这是 GM-100 与移动任务胜出的关键。LingBot-VLA 2.0 把异构本体映射到一个55 维标准状态/动作向量：

双臂操作、灵巧手、腰部、头部、移动底盘信号不再需要单独建模，而是共享同一套表示——这正是它能同时打 GM-100 双臂基准和移动操作基准的底层原因。🔌

3️⃣ MoE 动作专家 + 双查询蒸馏：预测未来，动作更稳

• MoE 动作专家：动作专家内部使用稀疏 MoE 层，通过细粒度专家切分与共享专家隔离，让"通用先验"与"特定本体/任务模式"在同一计算预算下共存，提升跨本体扩展能力。
• 双查询蒸馏（Dual-Query Distillation）：在视觉/文本 token 后追加"当前感知查询"和"未来感知查询"，分别从LingBot-Depth（几何深度线索）和DINO-Video（语义时序先验）中蒸馏，让模型不仅看懂当前场景几何，还能预判场景未来演化——对长时程任务尤为重要。⏩

三、GM-100 消融实验：哪些设计真正带来了收益？

官方在 4 个代表性 GM-100 任务（Barcode、Scoop Rice、Ketchup、Microwave Bowl）上做了四组消融，值得细看：

四组结论一目了然：

1. 动作目标（Action target）：相对动作（Relative）全面优于绝对动作（Absolute），平均成功率 55.0% vs 33.7%——这是最大的一条收益曲线。
2. 动作空间（Action space）：EEF 与关节空间总体打平（56.0 vs 55.0），但任务间差异大：Ketchup 任务 EEF 大幅领先（81.7 vs 41.7），Microwave Bowl 任务关节空间反超（76.8 vs 43.8）。
3. 归一化（Normalization）：MeanStd 均值-标准差归一化最优（平均 55.0），MinMax 与 Q01-Q99 分位数截断略逊。
4. 损失函数（Loss）：L2 损失优于 L1（平均 55.0 vs 46.4），在 Scoop Rice 与 Microwave Bowl 上优势明显。

这些"配方细节"是复现高性能模型的关键，相关训练参数可在 configs/vla/Training_Config.md 中逐项对照。

四、仿真侧同样能打：RoboTwin 2.0 与部署速度

真实机器人之外，LingBot-VLA 2.0 在 RoboTwin 2.0 的 50 个双臂仿真任务上也取得 SOTA：

部署侧同样实用：基于 deploy/lingbot_vla_v2_policy.py 的推理服务，在 RTX 4090D 上单次推理（10 步去噪）约130 ms，可支撑高频真实机器人控制。快速体验可跑开环评测：

python scripts/open_loop_eval.py \ --model_path path_to_posttraining_ckpt \ --robo_name robotwin \ --data_path path_to_validation_data \ --use_length 50

更多部署方式（WebSocket 推理服务、真机配置 configs/vla/real_robot/real_robot.yaml、RoboTwin 评测流水线 experiment/robotwin/start_robotwin_infer_and_eval.sh）见 experiment/robotwin/README.md。

五、总结

LingBot-VLA 2.0 在 GM-100 双臂操作与长时程移动操作基准上的胜出并非偶然，它来自三件事的组合：

• ✅约 60,000 小时异构高质量数据，覆盖 20 种机器人构型 + 人类第一视角视频；
• ✅55 维统一动作空间，让双臂、灵巧手、移动底盘共用一套表示；
• ✅MoE 动作专家 + 双查询蒸馏，兼顾跨本体泛化与长时程场景预测。

配合相对动作、MeanStd 归一化与 L2 损失这些被消融实验验证的"配方"，LingBot-VLA 2.0 给出了目前真实机器人 VLA 领域一份相当有说服力的性能答卷。🚀

• 人工智能
• 大模型
• 基础模型
• 预训练
• 微调
• 具身智能
• 机器人
• 计算机视觉