MarkTechPost · 11.07.2026 ·Инфраструктура для агентов

Ant Group представила LingBot-VA 2.0: фундаментальную модель для физического ИИ

Подразделение Robbyant компании Ant Group выпустило LingBot-VA 2.0 — специализированную модель для управления робототехникой. В отличие от решений на базе генеративного видео, эта архитектура с нуля спроектирована для воплощенного ИИ. Система использует причинно-следственное мышление для прогнозирования состояний среды и обеспечивает высокую частоту управления, что критически важно для автономных физических агентов в реальном времени.

Модель построена на базе каузальной архитектуры Diffusion Transformer (DiT) и использует разреженную структуру Mixture-of-Experts (MoE). Ключевой особенностью является механизм Foresight Reasoning, который позволяет агенту предсказывать последствия своих действий до их выполнения. Система постоянно перепроверяет свои прогнозы на основе поступающих сенсорных данных, что минимизирует накопление ошибок при взаимодействии с физическими объектами.

Высокая производительность достигается за счет асинхронного цикла управления, позволяющего обрабатывать данные с частотой 225 Гц. Такой подход решает проблему задержек, характерную для классических LLM-ориентированных подходов, делая модель пригодной для задач манипуляции и навигации в динамических условиях. Разработка ориентирована на создание универсальных «мозгов» для роботов, способных адаптироваться к непредсказуемой среде без необходимости дообучения под каждый конкретный сценарий.

Ключевые факты

Частота асинхронного управления достигает 225 Гц.
Архитектура базируется на каузальном Diffusion Transformer (DiT) с использованием разреженной структуры MoE.
Система использует механизм Foresight Reasoning для предсказания состояний среды перед выполнением действия.
Модель разработана как фундаментальное решение для воплощенного ИИ (Embodied AI), а не как адаптация существующих генераторов видео.

Источник: MarkTechPost

Обсудить с ИИ

Похожие материалы

MarkTechPost · Модели и релизы Robbyant представила LingBot-VLA 2.0: открытую модель для управления роботами Robbyant, подразделение Ant Group, выпустило LingBot-VLA 2.0 — открытую Vision-Language-Action модель с 6 млрд параметров, предназначенную для управления различными типами роботов. Система обучалась на 60 000 часов данных, объединяя траектории движений 20 конфигураций роботов и видеозаписи действий человека, что позволяет унифицировать управление разнородными манипуляторами через единое пространство действий. MarkTechPost · Модели и релизы LingBot-World-Infinity: новая каузальная модель мира для ИИ-агентов Подразделение Ant Group представило LingBot-World-Infinity — 14-миллиардную каузальную модель видеогенерации, функционирующую как интерактивный симулятор реальности. Архитектура модели использует инновационную маску внимания MoBA и дистилляцию на основе распределений, что позволяет агентам эффективно взаимодействовать с динамической средой, предсказывая последствия своих действий в долгосрочной перспективе с высокой точностью и стабильностью симуляции. MarkTechPost · Машинное обучение Ant Group представила LingBot-Vision: компактную модель для пространственного восприятия Ant Group открыла исходный код LingBot-Vision — семейства моделей компьютерного зрения с 1 миллиардом параметров, ориентированных на плотное пространственное восприятие. Инновационный метод обучения с использованием маскированного моделирования границ (Masked Boundary Modeling) позволяет модели эффективно распознавать контуры объектов, достигая производительности, сопоставимой с гораздо более крупными архитектурами, и выступая фундаментом для специализированных систем оценки глубины. GitHub · Машинное обучение Масштабируемое обучение видеомоделей для воплощенного ИИ Проект LingBot-Video представляет новый подход к масштабированию обучения видеомоделей на основе архитектуры Mixture-of-Experts (MoE). Метод направлен на развитие воплощенного интеллекта (Embodied Intelligence), позволяя моделям эффективнее обрабатывать визуальные данные и обучаться на больших наборах видео, что критически важно для управления робототехническими системами и понимания динамических сред в реальном времени. arXiv · Исследования и наука Latent Memory Palace: новый подход к адаптивному рассуждению в задачах управления Исследователи представили метод Latent Memory Palace, который переносит способности LLM к адаптивному рассуждению в область непрерывного управления робототехникой. В отличие от стандартных моделей, работающих в языковом пространстве, этот подход использует вариационный вывод для создания скрытых представлений, что позволяет агентам гибко переключаться между мгновенными реакциями и длительным планированием действий в сложных динамических средах. Hacker News · Оркестрация агентов Google DeepMind о будущем агентных систем Исследователи Google DeepMind представили обзор текущих подходов к созданию автономных ИИ-агентов, способных решать сложные многоэтапные задачи. В центре внимания — переход от простых чат-ботов к системам, которые могут планировать действия, использовать внешние инструменты и корректировать стратегию в процессе выполнения запроса. arXiv · Память и RAG LaWAM: моделирование будущего для роботов с помощью ИИ Исследователи из MIT и других ведущих университетов представили новый подход к созданию роботов, способных предсказывать последствия своих действий. В статье LaWAM: Latent World Action Models for Efficient Dynamics-Aware Robot Policies авторы предлагают использовать модели, которые учитывают, как действия робота изменят окружающую среду. Это позволяет роботам принимать более осознанные решения, что критически важно для автономных агентов. AI News & Artificial Intelligence | TechCrunch · Машинное обучение General Intuition использует данные видеоигр для обучения роботов Стартап General Intuition разрабатывает фундаментальные модели для физического ИИ, используя огромные массивы данных из видеоигр. Компания стремится сократить зависимость робототехники от дорогостоящего сбора данных в реальном мире, обучая системы на симулированных средах. Такой подход призван ускорить создание универсальных роботов, способных эффективно обучаться сложным манипуляциям с минимальным количеством физических испытаний. arXiv · Память и RAG HiMe: иерархическая память для долгосрочного планирования в робототехнике Исследователи представили архитектуру HiMe (Hierarchical Embodied Memory), решающую проблему «парадокса частоты и компетенции» в VLA-моделях для робототехники. Система разделяет задачи на высокоуровневое рассуждение и низкоуровневое управление, позволяя роботам выполнять сложные многоэтапные действия, требующие длительной памяти, без потери скорости реакции, характерной для тяжелых моделей при работе в реальном времени. Ars Technica - All content · ИИ в бизнесе Эволюция автономных роботов: от промышленных площадок к повседневному использованию Ведущие исследователи робототехники прогнозируют переход к созданию роботов общего назначения, способных выполнять сложные задачи в непредсказуемой среде. Интеграция современных LLM и мультимодальных моделей позволяет машинам интерпретировать команды на естественном языке и адаптироваться к изменениям пространства, что открывает путь к массовому внедрению автономных помощников на производстве, в логистике и в домашних условиях.

← Все материалы