MarkTechPost · 08.07.2026 ·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.

Ключевой особенностью модели является использование 55-мерного канонического пространства действий. Это решение позволяет LingBot-VLA 2.0 эффективно переносить навыки между разными физическими воплощениями роботов, преодолевая проблему несовместимости аппаратных интерфейсов. Модель распространяется под лицензией Apache-2.0, что делает её доступным инструментом для исследователей в области робототехники и обучения с подкреплением.

Обучающая выборка включает 50 000 часов данных о движении роботов и 10 000 часов эгоцентрических видео, где человек выполняет различные манипуляции. Такой подход обеспечивает модели глубокое понимание визуальных контекстов и физических ограничений, необходимых для выполнения сложных задач в реальном мире, от простых перемещений объектов до взаимодействия с инструментами.

Ключевые факты

Модель содержит 6 миллиардов параметров и распространяется с открытым исходным кодом под лицензией Apache-2.0.
Обучающий датасет составляет 60 000 часов данных, включая 50 000 часов робототехнических траекторий.
Система поддерживает 20 различных конфигураций роботов, преобразуя их действия в единое 55-мерное каноническое пространство.
В состав данных включено 10 000 часов эгоцентрических видеозаписей действий человека для улучшения понимания визуальных задач.

Источник: MarkTechPost

Обсудить с ИИ

Похожие материалы

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. arXiv · Машинное обучение Новая VLA-модель для робототехники с поддержкой калибровки «на лету» Исследователи представили модель Vision-Language-Action (VLA), способную адаптироваться к изменению положения камер без предварительной калибровки. В отличие от существующих решений, требующих жесткой привязки внешних параметров, новая архитектура обеспечивает устойчивость к перемещению или переустановке камер в реальных условиях эксплуатации, что значительно упрощает развертывание робототехнических систем в динамических сценариях. arXiv · Машинное обучение FurnitureVLA: обучение роботов сложной сборке мебели с помощью VLA-моделей Исследователи представили FurnitureVLA — первую систематическую модель Vision-Language-Action (VLA), предназначенную для решения задач сборки полноразмерной мебели двумя манипуляторами. В отличие от существующих решений, сфокусированных на простых объектах или одной руке, система обучается на сложных последовательностях действий, используя масштабируемый конвейер генерации данных в симуляции и VR-телеуправление для сбора экспертных демонстраций. arXiv · Машинное обучение Метод VLK для обучения человекоподобных роботов сложным манипуляциям Исследователи представили фреймворк VLK (Vision-Language-Kinematics), решающий проблему нехватки данных для обучения человекоподобных роботов одновременному перемещению и манипуляции объектами. Система генерирует синтетические наборы данных, объединяющие эгоцентрические изображения, текстовые инструкции и кинематические траектории, что позволяет роботам эффективнее связывать визуальное восприятие с физическими действиями в сложных сценариях. arXiv · Оценка и бенчмарки Исследование знаний в моделях Vision-Language-Action Исследователи представили протокол Act2Answer для оценки когнитивных способностей моделей Vision-Language-Action (VLA). Эти системы, предназначенные для управления роботами, обычно создаются путем дообучения мультимодальных моделей на специфических данных из робототехники. Однако до сих пор оставалось неясным, насколько эффективно такие модели сохраняют базовые знания об окружающем мире и здравый смысл после адаптации к физическим задачам. The Decoder · Модели и релизы Mistral представила Robostral Navigate: ИИ-модель для навигации роботов Компания Mistral AI анонсировала Robostral Navigate — специализированную модель с 8 миллиардами параметров, предназначенную для автономного управления роботами. Система использует данные всего с одной RGB-камеры для навигации в незнакомых пространствах. Разработка базируется на методах обучения с подкреплением, что позволяет роботам эффективно ориентироваться в динамической среде без необходимости в сложных сенсорных массивах. Mistral AI Blog · Модели и релизы Mistral представила Robostral Navigate для автономной навигации роботов Компания Mistral AI выпустила Robostral Navigate — специализированную модель с 8 миллиардами параметров, предназначенную для автономной навигации роботов. Система достигает 76,6% точности в бенчмарке R2R-CE, используя данные только с одной RGB-камеры. Решение исключает необходимость в дорогостоящих лидарах или массивах датчиков глубины, упрощая аппаратную архитектуру для мобильных робототехнических платформ. arXiv · Машинное обучение Новый метод обучения роботов через использование априорных знаний о движении Исследователи представили метод обучения роботов, который решает проблему нехватки физических навыков у моделей Vision-Language-Action (VLA). Вместо обучения управлению движением с нуля, авторы внедрили механизм априорных знаний об действиях (action priors). Это позволяет модели эффективнее переносить навыки между различными типами робототехнических платформ, значительно ускоряя процесс адаптации к новым задачам манипуляции объектами. arXiv · Машинное обучение Победное решение в робототехнике: обучение VLA-моделей для складывания одежды Исследователи представили архитектуру для автоматизации бимануального складывания одежды, занявшую призовые места на соревновании ICRA 2026. Система использует VLA-модель (vision-language-action), дополненную циклом обучения с подкреплением. Ключевая особенность подхода заключается в том, что нейросеть одновременно предсказывает действия и оценивает вероятность успеха задачи, что значительно повышает точность манипуляций в сложных условиях. arXiv · Машинное обучение Новый метод обучения VLA-моделей через разделение физики и семантики Исследователи предложили новый подход к обучению Vision-Language-Action (VLA) моделей, разделяющий приобретение физических навыков и семантическое понимание задач. Вместо сбора дорогостоящих экспертных демонстраций, метод использует предварительное обучение на неразмеченных видео для освоения базовой моторики, что позволяет значительно снизить зависимость от дефицитных данных при создании робототехнических агентов.

← Все материалы