论文页面——从基础到应用：在实践中改进VLA模型

来源：https://huggingface.co/papers/2607.06403 发布于7月7日

·

由https://huggingface.co/Weiww99提交于7月8日

作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

LingBot-VLA 2.0 通过扩展数据预处理和在多样化机器人构型上训练，增强了跨任务和跨本体的泛化能力；将动作空间扩展到包含全身自由度以处理复杂操作任务；并利用视频表示和深度估计引入预测动力学建模，提升了时序推理能力。

尽管VLA基础模型近期取得了进展，但实验室条件与现实应用之间的差距仍然阻碍着它们的实际部署。为弥合这一鸿沟，我们提出了LingBot-VLA 2.0，它在三个功能领域对LingBot-VLA进行了改进。(1) 跨任务和跨本体的泛化。与上一版本相比，我们重新设计了数据处理流程，并精心整理约6万小时的数据用于预训练，其中包括5万小时覆盖20种机器人构型的机器人轨迹数据，以及1万小时的第一人称人类视频数据。(2) 扩展的动作空间。在双臂硬件平台之外，我们的系统还支持头部、腰部、移动底座和灵巧手的自由度，从而使机器人能够在实际场景中处理更复杂的任务。(3) 用于改进时序推理的预测动力学建模。具体来说，我们将未来预测作为一个代理任务，借助视频表示模型获取语义先验，并利用深度估计模型获取几何线索。在通用设置下对GM-100基准进行的评估验证了这些改进的积极效果。此外，得益于涵盖全身自由度的扩展预训练数据，LingBot-VLA-2.0在两个机器人平台上展现出了强大的跨本体长时程移动操作能力。

查看arXiv页面 (https://arxiv.org/abs/2607.06403)查看PDF (https://arxiv.org/pdf/2607.06403)项目页面 (https://technology.robbyant.com/lingbot-vla-v2)GitHub306 (https://github.com/robbyant/lingbot-vla-v2)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.06403)

在你的智能体中获取这篇论文：

hf papers read 2607\.06403

还没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

没有与此论文关联的模型

请在模型README.md中引用arxiv.org/abs/2607.06403以从此页面关联。

引用本文的数据集1

cy0307/awesome-egocentric-atlas 查看器• 30分钟前更新 • 816 • 1.21k • 5 (https://huggingface.co/datasets/cy0307/awesome-egocentric-atlas)

引用本文的Spaces0

没有与此论文关联的Space

请在Space README.md中引用arxiv.org/abs/2607.06403以从此页面关联。

包含本文的集合1