fr.wedoany.com Rapport : Ant LingBot Technology a mis à niveau et open sourcé le nouveau modèle de base incarné LingBot-VLA 2.0. Cette version intègre 60 000 heures de données physiques réelles de haute qualité en phase de pré-entraînement, couvrant 20 configurations de robots de 17 grandes marques de robots, et étend la prise en charge des degrés de liberté tels que la tête, la taille, l'effecteur terminal et le châssis mobile.

Dans l'industrie actuelle de l'intelligence incarnée, le « cervelet » et le matériel du corps évoluent rapidement, mais le « cerveau universel » de l'industrie reste le principal frein à un déploiement industriel à grande échelle. Des avancées sont nécessaires tant en termes de capacités du modèle que d'efficacité et de coût de déploiement.

Le rapport technique montre que LingBot-VLA 2.0 prend en charge en phase de pré-entraînement des fabricants de robots tels que Leju, Zhiyuan, Yushu, Songling, Xinghaitu, Yinhe Tongyong, Xingchen, Ruierman, Franka, Fangzhou, Beijing Renxing, Fourier, Mofa Yuanzi, Qianxun, Lingcifang, Feixi, Qinglong, soit 17 fabricants de robots, couvrant diverses morphologies comme à un/deux bras, bipède/roue.

En termes de support des degrés de liberté, LingBot-VLA 2.0 a pleinement étendu la prise en charge des degrés de liberté de la tête, de la taille, de l'effecteur terminal (main) et du châssis mobile.

En matière d'opérations à deux bras, basé sur l'évaluation GM-100 de l'Université Jiao Tong de Shanghai, sur les deux plateformes de robots à deux bras AgileX Cobot Magic et Galaxea R1 Pro, le score moyen global de progression des tâches et le taux de réussite de LingBot-VLA 2.0 ont dépassé ceux de π0.5 et GR00T N1.7. Dans cette évaluation, tous les modèles participants ont été déployés en tant que modèle unique et général, sans ajustement fin spécifique pour des tâches particulières. Ce résultat montre que LingBot-VLA 2.0 possède une meilleure capacité de coordination à deux bras et une capacité de généralisation inter-corps et multi-tâches.

En termes de capacité de mobilité, LingBot-VLA 2.0 a été comparé préliminairement à π0.5 sur deux configurations : le bras robotique Fangzhou avec le châssis Songling, et le robot intelligent Astribot S1 de Xingchen. Les résultats montrent que LingBot-VLA 2.0 améliore le score de progression des tâches et le taux de réussite dans les tâches de manipulation mobile à longue distance, en particulier dans les scénarios inter-domaines plus difficiles, démontrant une meilleure capacité de progression des tâches en séquence longue et une capacité de généralisation de la manipulation mobile.

Dans l'évaluation de la manipulation mobile, les tâches sont décomposées en plusieurs sous-étapes consécutives, chaque étape se voyant attribuer un score différent en fonction de sa difficulté et de son importance. Le robot obtient le score correspondant en accomplissant l'étape, et le score total final reflète sa capacité à progresser dans les tâches en séquence longue. Par rapport à un simple calcul du taux de réussite final, cette méthode de notation permet une évaluation plus fine des capacités globales du modèle dans des étapes telles que le déplacement, la collaboration à deux bras, la saisie, le placement, l'ouverture de porte et le nettoyage.

Ce qui soutient ces améliorations de capacités, ce sont des systèmes de données plus vastes et de meilleure qualité, ainsi qu'une architecture d'entraînement optimisée : Ant LingBot a nettoyé 50 000 heures de données réelles de haute qualité à partir de 90 000 heures de données, et extrait 10 000 heures de données efficaces à partir de 20 000 heures de données d'opérations humaines en première personne, portant le total des données de pré-entraînement à 60 000 heures.

Actuellement, l'industrie entre progressivement dans une phase de déploiement pilote industriel, et un post-entraînement efficace devient un facteur clé limitant le déploiement. LingBot-VLA 2.0 open source simultanément une version de post-entraînement plus efficace, avec un temps d'inférence contrôlé à moins de 130 millisecondes sur RTX 4090.

Ant LingBot, en collaboration avec des partenaires d'écosystème de corps comme Leju et Taihu, ainsi que des partenaires clients d'écosystème comme Guoda Pharmacy et Longsheng, a lancé des tests de déploiement commercial complets dans des scénarios tels que le tri en vente au détail, le tri logistique et l'industrie. Parallèlement, Ant LingBot, en partenariat avec des partenaires d'écosystème d'alliance de données comme Jianzhi Technology, construit conjointement un système de données standardisé. Un écosystème d'intelligence incarnée centré sur le modèle de base VLA inter-configurations, avec la participation approfondie des fabricants de corps et des institutions de données, est en train de se former.

Actuellement, LingBot-VLA 2.0 est open source. Les développeurs peuvent obtenir les poids du modèle sur Hugging Face et ModelScope, et télécharger le code open source sur GitHub. La prochaine étape, Ant LingBot lancera également une série d'activités pour les développeurs et publiera simultanément des kits techniques plus adaptés aux développeurs.