Ant Group تطلق LingBot-VLA 2.0 — نموذجًا مفتوحًا للتحكم في روبوتات بمختلف التصاميم

أصدرت Robbyant، وحدة الروبوتات التابعة لـ Ant Group، في 8 يوليو 2026 نموذج LingBot-VLA 2.0، وهو نموذج مفتوح من فئة vision-language-action بحجم 6 مليارات معامل للتحكم في روبوتات مختلفة التصاميم، ويعمل بموجب ترخيص Apache 2.0.

على أي بيانات دُرّب النموذج

دُرّب LingBot-VLA 2.0 مسبقًا على نحو 60 000 ساعة من البيانات، بحسب موقع MarkTechPost. منها 50 000 ساعة من مسارات حركة الروبوتات التي جُمعت على 20 تهيئة روبوتية مختلفة، و10 000 ساعة أخرى من مقاطع فيديو egocentric لبشر صُوّرت من منظور الشخص الأول أثناء تنفيذ أعمال منزلية وحركات تلاعب بالأشياء.

• المطوّر — Robbyant، الوحدة التابعة لـ Ant Group؛ وصدر الإصدار في 8 يوليو 2026
• الترخيص — Apache 2.0، ونقطة حفظ النموذج (checkpoint) متاحة للتنزيل
• حجم النموذج — 6 مليارات معامل (6B)
• حجم بيانات التدريب المسبق — نحو 60 000 ساعة (50 000 ساعة من مسارات الروبوتات على 20 تهيئة روبوتية + 10 000 ساعة من فيديو البشر)
• فضاء الإجراءات الموحّد — 55 بُعدًا لجميع أنواع الروبوتات

كيف يتحكم النموذج في روبوتات مختلفة

يحوّل LingBot-VLA 2.0 التحكم في أي روبوت إلى فضاء إجراءات قياسي موحّد من 55 بُعدًا، يشمل الأذرع واليدين الماهرتين والخصر والرأس والمنصات المتحركة، وفق توضيح MarkTechPost. ويعالج هذا النهج المشكلة الرئيسية في نماذج cross-embodiment: فسابقًا كان لا بد من تدريب نموذج تحكم منفصل لكل تصميم روبوتي، سواء اختلف عدد المفاصل أو نوع الإمساك أو وجود قاعدة متحركة. أما الفضاء الموحّد فيتيح لنقطة حفظ واحدة أن تعمل على 20 تهيئة في وقت واحد.

ويساعد على توسيع النموذج دون فقدان الجودة وحدة إجراءات على مستوى الرموز (token-level) تقوم على Mixture-of-Experts، وتستغني عن دالة خسارة مساعدة لموازنة الحمل بين الخبراء. وهذا يتيح زيادة سعة النموذج دون إضافة حدّ زائد إلى دالة الخسارة، وهو حدّ يبطئ عادةً تدريب مثل هذه البنى ويعقّده.

من أين يستمد النموذج الهندسة والزمن

تضيف عملية dual-query distillation المستمدة من نموذجي LingBot-Depth وDINO-Video إشرافًا هندسيًا وزمنيًا يساعد LingBot-VLA 2.0 على مراعاة الحالة المستقبلية للمشهد عند اختيار الإجراء، بحسب ما ورد في مادة MarkTechPost. وبعبارة أخرى، «يفهم» النموذج مسبقًا كيف ستتغير هندسة المشهد ومواضع الأجسام بعد تنفيذ الخطوة الحالية، ولا يكتفي بالاستجابة لإطار ثابت.

إلى أي مدى يتفوق LingBot-VLA 2.0 على المنافسين

على اختبار GM-100 المخصص للروبوتات الوكيلة العامة، تفوق LingBot-VLA 2.0 على نموذج π0.5 وعلى الإصدار السابق LingBot-VLA-1.0 على منصتي الروبوت اللتين شملهما الاختبار، بحسب MarkTechPost. ويؤكد التفوق على الإصدار السابق وعلى نموذج π0.5 من جهة خارجية في الاختبار نفسه أن التحسينات — فضاء الإجراءات الموحّد ووحدة MoE وdual-query distillation — تحقق مكسبًا قابلًا للقياس في الجودة، ولا تقتصر على زيادة عدد المعاملات.

ماذا يعني ذلك

نموذج مفتوح بحجم 6 مليارات معامل يعمل بكفاءة متقاربة على 20 تهيئة روبوتية مختلفة يخفّض عتبة الدخول أمام الفرق التي تريد تدريب روبوتات وكيلة عامة دون جمع مجموعة بيانات منفصلة لكل تصميم روبوتي بعينه.

الأسئلة الشائعة

ماذا يعني اختصار VLA في اسم النموذج؟

يرمز VLA إلى vision-language-action؛ إذ يعالج النموذج الصورة والتعليمة النصية ويولّد إجراء الروبوت في تمريرة واحدة.

هل يمكن استخدام LingBot-VLA 2.0 مجانًا؟

نعم، فالنموذج صادر بموجب ترخيص Apache 2.0 الذي يتيح الاستخدام الحر وتعديل نقطة الحفظ واستخدامها تجاريًا، بما في ذلك دمجها في منتجات روبوتية خاصة.