Ant Group chính thức mã nguồn mở LingBot-VLA 2.0: Hỗ trợ hơn 20 cấu hình robot từ 17 nhà sản xuất

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

08/07/2026 11:04:08 Nguồn: QbitAI

Ngày 8 tháng 7, Ant Lingbo Technology tuyên bố nâng cấp và mã nguồn mở thế hệ mô hình nền tảng hiện thân (embodied foundation model) mới mang tên LingBot-VLA 2.0. Là bản nâng cấp toàn diện của phiên bản mã nguồn mở LingBot-VLA 1.0 ra mắt vào tháng 1 năm nay, LingBot-VLA 2.0 đã tích hợp 60.000 giờ dữ liệu vật lý thực tế chất lượng cao trong giai đoạn tiền huấn luyện, bao phủ 20 cấu hình robot từ 17 thương hiệu robot phổ biến, đồng thời mở rộng hỗ trợ các bậc tự do (DOF) cho đầu, eo, cơ cấu chấp hành cuối và khung gầm di động. Mô hình đã đạt được những cải tiến đáng kể về khả năng tổng quát hóa cấu hình, hỗ trợ bậc tự do và hiệu quả triển khai thực tế.

Hiện nay, ngành công nghiệp trí tuệ hiện thân đang thay đổi từng ngày, "tiểu não" và phần cứng đang tiến hóa nhanh chóng, nhưng "bộ não chung" (general-purpose brain) vẫn là rào cản cốt lõi đối với việc triển khai quy mô lớn trong ngành. Từ góc độ "bộ não", cả năng lực mô hình lẫn hiệu quả và chi phí triển khai đều đang rất cần những đột phá.

Báo cáo kỹ thuật cho thấy, các thương hiệu robot được LingBot-VLA 2.0 hỗ trợ trong giai đoạn tiền huấn luyện bao gồm 17 nhà sản xuất: Leju, Agibot, Unitree, AgileX, Starship, Galaxea, Astribot, Realman, Franka, Ark, Beijing Humanoid, Fourier, Magic Atom, Qianxun, Zero-One, Flexiv, Qinglong, v.v., bao phủ nhiều hình thái như đơn tay/hai tay, hai chân/bánh xe.

Về khả năng hỗ trợ bậc tự do, LingBot-VLA 2.0 đã mở rộng toàn diện việc hỗ trợ các bậc tự do cho đầu, eo, cơ cấu chấp hành cuối (tay) và khung gầm di động.

Về thao tác hai tay, dựa trên đánh giá GM-100 của Đại học Giao thông Thượng Hải, trên hai nền tảng robot hai tay là AgileX Cobot Magic và Galaxea R1 Pro, điểm tiến độ nhiệm vụ trung bình và tỷ lệ thành công tổng thể của LingBot-VLA 2.0 đều vượt trội so với π0.5 và GR00T N1.7. Trong đợt đánh giá này, tất cả các mô hình tham gia đều được triển khai dưới dạng mô hình tổng quát (generalist), không thực hiện tinh chỉnh chuyên biệt (specialist) cho các nhiệm vụ cụ thể. Kết quả này cho thấy khả năng phối hợp hai tay mạnh mẽ hơn cũng như khả năng tổng quát hóa đa nhiệm và đa cấu hình của LingBot-VLA 2.0.

(Chú thích ảnh: LingBot-VLA 2.0 dẫn đầu toàn diện về hiệu suất trong đánh giá GM-100)

Về khả năng di chuyển, LingBot-VLA 2.0 đã thực hiện các bài kiểm tra so sánh sơ bộ với π0.5 dựa trên hai loại cấu hình: cánh tay robot Ark + khung gầm AgileX, và Astribot S1 của Starship. Kết quả cho thấy, LingBot-VLA 2.0 đạt điểm tiến độ nhiệm vụ và tỷ lệ thành công cao hơn trong các nhiệm vụ thao tác di chuyển đường dài, đặc biệt duy trì ưu thế trong các kịch bản liên miền (cross-domain) đầy thách thức, thể hiện khả năng thúc đẩy nhiệm vụ chuỗi dài và khả năng tổng quát hóa thao tác di chuyển mạnh mẽ hơn.

Trong đánh giá thao tác di chuyển, nhiệm vụ được chia thành nhiều bước con liên tục, mỗi bước được gán số điểm khác nhau dựa trên độ khó và tầm quan trọng. Robot hoàn thành các bước tương ứng sẽ nhận được số điểm tương ứng, tổng điểm cuối cùng phản ánh khả năng thúc đẩy nhiệm vụ trong các chuỗi nhiệm vụ dài. So với việc chỉ thống kê tỷ lệ thành công cuối cùng, phương pháp chấm điểm này có thể đo lường chi tiết hơn năng lực tổng hợp của mô hình trong các khâu khác nhau như di chuyển, phối hợp hai tay, cầm nắm, đặt đồ vật, mở cửa, vệ sinh, v.v.

(Chú thích ảnh: Trong các nhiệm vụ thao tác di chuyển đường dài, LingBot-VLA 2.0 thể hiện ưu thế rõ rệt trong các kịch bản liên miền)

Nền tảng cho những nâng cấp năng lực này là hệ thống dữ liệu quy mô lớn hơn, chất lượng cao hơn và kiến trúc huấn luyện tối ưu hơn: Ant Lingbo đã làm sạch 50.000 giờ dữ liệu máy thực chất lượng cao từ 90.000 giờ dữ liệu, đồng thời chắt lọc 10.000 giờ dữ liệu hiệu quả từ 20.000 giờ dữ liệu thao tác của con người ở góc nhìn thứ nhất, đưa tổng lượng dữ liệu tiền huấn luyện lên 60.000 giờ.

Hiện tại, ngành công nghiệp đã dần bước vào giai đoạn thí điểm triển khai thực tế, hậu huấn luyện (post-training) hiệu quả trở thành yếu tố hạn chế then chốt. Lần này, LingBot-VLA 2.0 đồng thời mở mã nguồn phiên bản hậu huấn luyện hiệu quả hơn, với thời gian suy luận được kiểm soát dưới 130 mili giây trên RTX4090.

Được biết, Ant Lingbo đã hợp tác với các đối tác phần cứng trong hệ sinh thái như Leju, TiHu, cùng các khách hàng như Guoda Pharmacy, Longsheng để bắt đầu thử nghiệm thương mại toàn diện trong các kịch bản như phân loại bán lẻ, phân loại logistics, công nghiệp. Mặt khác, Ant Lingbo cũng liên kết với các đối tác trong liên minh dữ liệu như Jianzhi Technology để cùng xây dựng hệ thống dữ liệu tiêu chuẩn hóa. Một hệ sinh thái trí tuệ hiện thân với mô hình nền tảng VLA đa cấu hình làm cốt lõi, có sự tham gia sâu rộng của các nhà sản xuất phần cứng và các tổ chức dữ liệu đang dần hình thành.

Hiện tại, LingBot-VLA 2.0 đã được mở mã nguồn. Các nhà phát triển có thể lấy trọng số mô hình trên Hugging Face, ModelScope và tải mã nguồn trên GitHub. Được biết, bước tiếp theo Ant Lingbo sẽ khởi động chuỗi hoạt động dành cho nhà phát triển và đồng thời ra mắt bộ công cụ kỹ thuật phù hợp hơn cho các nhà phát triển.

Bài viết này do Ant Lingbo cung cấp, QbitAI được ủy quyền đăng tải lại, quan điểm thuộc về tác giả gốc.

Bản quyền thuộc về tác giả, không được sao chép hoặc sử dụng dưới mọi hình thức khi chưa được cho phép, những trường hợp vi phạm sẽ bị xử lý theo pháp luật.