蚂蚁集团旗下具身智能公司蚂蚁灵波近日宣布，推出全球首个面向真实物理环境设计的具身原生世界动作模型LingBot-VA 2.0。该模型突破传统技术路径，采用自回归架构从底层逻辑重构机器人"大脑"的研发范式，标志着具身智能领域进入物理世界原生设计的新阶段。
据蚂蚁灵波首席执行官朱兴介绍，现有技术路线多基于数字内容生成模型进行微调，这类模型虽能呈现精美画面，却无法理解物理世界的力学规律与因果关系。例如，实验室环境下机器人能准确抓取固定位置的杯子，但在真实场景中，当杯子被移动到不同高度或需要绕过障碍物时，传统模型便因缺乏环境感知能力而失效。这种"数字世界嫁接"的研发思路，导致机器人动作迟缓、决策效率低下。
针对行业痛点，研发团队构建了包含语义视觉-动作分词器、混合专家模型架构及异步推理机制的技术体系。通过严格的因果预训练范式，模型能够像人类一样建立"感知-规划-执行"的闭环系统。朱兴以日常场景举例："当机器人发现目标物体被遮挡时，会先调整视角确认位置，再规划最优路径完成抓取，整个过程无需人工干预。"这种原生设计使模型在动态环境中的动作预测准确率提升47%，执行效率提高32%。
技术突破的背后是数据工程的革新。研发团队摒弃了单一视觉数据的训练模式，转而构建包含触觉、听觉的多模态数据集。在模拟测试中，融入触觉反馈的模型能准确识别物体材质，调整抓取力度；加入空间音频数据后，机器人可通过声音定位移动物体。这种多维度感知能力，使模型在复杂场景中的应变能力显著增强。
为加速技术落地，蚂蚁灵波正推进开放生态建设。通过与制造业、物流业等领域的深度合作，模型已在工业分拣、仓储搬运等场景完成验证。某汽车零部件企业的应用数据显示，搭载LingBot-VA 2.0的机械臂，在零件分拣任务中的错误率从8%降至0.3%，作业效率提升2.8倍。朱兴表示，真实产业场景产生的高质量数据，将持续反哺模型迭代，形成"应用-优化"的良性循环。
当前，全球具身智能领域正经历研发范式的重大转变。从依赖遥操作控制，到纯视觉学习方案，再到如今的物理世界原生设计，技术演进始终围绕着如何让机器更深入理解真实环境。蚂蚁灵波的创新实践，为行业提供了新的技术路径参考，其构建的多模态数据生态与开放合作模式，或将推动具身智能技术加速走向产业化应用。
