量子位官网T2·智能体与协同
58 分
蚂蚁灵波首届具身大模型挑战赛决赛要求 15 支队伍在 48 小时内完成数据采集、模型调优与真机部署,并让同一套模型应对抓放水果、收纳化妆品和双臂清扫三项任务。平均年龄 25 岁的 TARS 团队在第三项任务中放弃官方 210 条抓把手数据,改为自采抓簸箕后沿的示范,最终以 82 分反超夺冠并赢得 8 万元奖金。这一案例说明,在 VLA 真机任务中,数据采集策略与末端接触方式的选择往往比模型调优更决定成败。
Robbyant
蚂蚁集团旗下具身智能技术公司,专注机器人感知与动作模型研发,推出 LingBot 系列基础模型
蚂蚁灵波首届具身大模型挑战赛决赛要求 15 支队伍在 48 小时内完成数据采集、模型调优与真机部署,并让同一套模型应对抓放水果、收纳化妆品和双臂清扫三项任务。平均年龄 25 岁的 TARS 团队在第三项任务中放弃官方 210 条抓把手数据,改为自采抓簸箕后沿的示范,最终以 82 分反超夺冠并赢得 8 万元奖金。这一案例说明,在 VLA 真机任务中,数据采集策略与末端接触方式的选择往往比模型调优更决定成败。
Robbyant 以 Apache 2.0 协议开源 LingBot-Touch,将指尖触觉传感器读数转化为机器人控制软件可用的信号,补上摄像头无法感知夹持力度与滑移的短板。团队用同一批触觉数据训练了三个同规模编码器(各 5.46M 参数),在 4000 小时数据下,在潜空间预测掩码部分的 JEPA 版本在触觉到视频检索任务上取得 49.3% top-5 准确率,MAE 低于 9%,而 VAE 版本仅 3.1%。作者认为触觉数据稀疏且信噪比低,是 JEPA 胜出的关键原因。
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,在传感器原始读数与动作模型之间加入统一表征翻译层。实验显示,π0.5 配合 Sharpa Wave 灵巧手拉拉链成功率从仅用视觉的 39% 提升至 59%,交接盒子任务从 48% 回升至 63%,解决了原始触觉数据稀疏、噪声大导致机器人变笨的问题。