2026年1月，蚂蚁灵波连续第四天开源重磅项目，推出全球首个用于通用机器人控制的因果视频-动作世界模型LingBot-VA。该模型通过自回归视频预测技术，使机器人能在行动前推演未来几秒的画面，实现“想象力指导决策”。相比传统VLA模型，LingBot-VA具备长期记忆、高效泛化和强适应能力，在长时序任务（如准备早餐）、高精度任务（如清洗试管、拧螺丝）及可变形物体操作（如折衣服）中表现优异。实验显示，其在RoboTwin 2.0和LIBERO基准测试中均刷新SOTA记录，尤其在复杂任务中优势显著。此次开源标志着通用机器人进入视频时代，视频成为连接感知、记忆与行动的核心媒介。蚂蚁灵波的技术布局引发行业震动，谷歌、宇树科技等相继跟进，全球机器人领域竞争加剧。

1月30日，蚂蚁灵波科技宣布开源具身世界模型LingBot-VA。该模型首次提出自回归视频-动作世界建模框架，深度融合大规模视频生成与机器人控制，可直接推演并输出动作序列，使机器人实现“边推演、边行动”。真机评测显示，LingBot-VA在复杂物理交互任务中表现出色，仅需30~50条演示数据即可适配，任务成功率较业界强基线Pi0.5提升20%。仿真测试中，其在RoboTwin 2.0和LIBERO基准上分别达到超90%和98.5%的成功率，刷新行业纪录。LingBot-VA采用Mixture-of-Transformers架构，通过闭环推演机制和异步推理管线优化，实现高精度低延迟控制。蚂蚁灵波表示，此次开源旨在推动具身智能基础能力共建，加速AGI生态落地。目前，模型权重与代码已全面开放。

标题：3B参数模型打通机器人任督二脉，冲咖啡叠衣服样样行，OpenAI也投资 正文： 只需一个3B参数的大模型，就能控制机器人完成各种家务，如叠衣服、冲咖啡等，且无需遥控。 这个通用型机器人控制模型名为π0，由初创公司Physical Intelligence（简称π）开发。该公司创立不久即获得70...