#開放原始碼
•

大事不好！機器人學會預測未來了

不得了，機器人現在開始學會腦補未來了。這就是螞蟻靈波又又又又（連續第4天）開放原始碼的狠活兒——全球首個用於通用機器人控制的因果視訊-動作世界模型，LingBot-VA。怎麼個腦補法？簡單來說啊，以前的機器人（尤其是基於VLA的）幹活兒，主打一個條件反射：眼睛看到什麼，手立刻就動一下。這叫“觀察-反應”模式。但LingBot-VA就不一樣了，它通過自回歸視訊預測打破了這種思考方式，在動手之前，腦子裡先把未來幾秒的畫面推演出來。說實話，用想像力做決策，在機器人控制這塊還是相當新鮮的。但這不是LingBot-VA唯一的亮點，還包括：記憶不丟失：做長序列任務（比如做早餐）時，它會記得自己剛才幹了什麼，狀態感知極強。高效泛化：只要給幾十個演示樣本，它就能適應新任務；換個機器人本體，也能hold住。因此在LingBot-VA的加持下，像清洗細小的透明試管這種高精度任務，機器人已經是可以輕鬆拿捏：正如我們剛才提到的，今天是螞蟻靈波連續第四天開源。如果說前幾天的開源是給機器人加強了眼睛（LingBot-Depth）、大腦（LingBot-VLA）和世界模擬器（LingBot-World），那麼今天的LingBot-VA，就是讓這具軀殼真正擁有了靈魂——一個行動中的世界模型，讓想像真正落到執行層面。如此一來，通用機器人的天花板，算是被螞蟻靈波往上頂了一截。正如網友所述：從預測到執行；說實話這是巨大的飛躍。讓想像力先行一步LingBot-VA在架構設計上選擇了一條更進一步的路徑。在傳統的VLA（視覺-語言-動作）範式中，模型通常會將視覺理解、物理變化推理、低層動作控制這三項複雜任務放在同一個神經網路中處理，這在學術界被稱為表徵纏繞（Representation Entanglement）。為了追求更高的樣本效率和更強的泛化能力，LingBot-VA選擇把這團亂麻解開，提出了一套全新的解題思路：先想像世界，再反推動作。為了實現這個想法，螞蟻靈波團隊採用了一個兩步走的策略：視訊世界模型：先預測未來的視覺狀態（接下來會發生什麼）。逆向動力學（Inverse Dynamics）：基於視覺的變化，反推出應該執行什麼動作（為了達到這個畫面，手該怎麼動）。這與傳統VLA有著本質區別：它不直接從“現在”跳到“動作”，而是要經過一下“未來”這個步驟。如何實現？螞蟻靈波團隊主要將三個架構層面作為突破口。首先就是視訊與動作的自回歸交錯序列。在LingBot-VA的模型裡，視訊Token和動作Token被放進了同一條時間序列裡。為了保證邏輯嚴密，團隊引入了因果注意力（Causal Attention）。這就像給模型定了一條死規矩：只能用過去的資訊，絕對不能偷看未來。同時，借助KV-cache技術，模型擁有了超強的長期記憶。它清楚地知道自己三步之前做了什麼，任務絕對不會失憶。其次是Mixture-of-Transformers (MoT) 的分工協作。這一步主要是為瞭解決我們前面提到的表徵纏繞的問題。我們可以把過程理解為“左右互搏”，但又很默契的一種配合：視訊流：寬而深，負責繁重的視覺推演。動作流：輕而快，負責精準的運動控制。這兩個流共享注意力機制，資訊互通，但在各自的表徵空間裡保持獨立。這樣一來，視覺的複雜性不會干擾動作的精準度，動作的簡單性也不會拉低視覺的豐富度。最後就是工程設計相關的工作。畢竟光有理論是不好使的，“實踐才是檢驗真理的唯一標準”：部分去噪（Partial Denoising）：做動作預測時，其實不需要每一次都把未來畫面渲染得高畫質無碼。模型學會了從帶有噪點的中間狀態裡提取關鍵資訊，計算效率大大提升。非同步推理（Asynchronous Inference）：機器人在執行當前動作的時候，模型已經在後台瘋狂計算下一步了。推理和執行平行，延遲感幾乎消失。FDM 接地（Grounding）：為了防止模型想像力脫離現實，系統會用真實的觀測資料不斷校正想像，避免出現開放式的幻覺漂移。實驗結果與能力驗證在瞭解完理論之後，我們再來看實驗效果。螞蟻靈波團隊在真機實驗和模擬基準上，對LingBot-VA進行了全方位的實測。在真機測試中，LingBot-VA覆蓋了三類最具挑戰性的任務。首先是長時序任務，比如準備早餐（烤面包、倒水、擺盤）、拆快遞（拿刀、劃箱、開蓋）。這些任務步驟繁多，但凡中間有一步有誤，那可以說是滿盤皆輸。從LingBot-VA的表現來看，一個字，穩。即便是不小心失敗了，機器人也會記得進度，嘗試重來。第二類是高精度任務，比如擦試管、擰螺絲。這要求動作精度達到毫米級，得益於MoT架構，動作流不再受視覺噪聲的干擾，手極穩。剛才我們已經看了擦拭管的案例，再來看個擰螺絲的：第三類任務是針對可變形物體，例如折衣服、折褲子。這些任務的難點在於物體處於一個隨時變化的狀態，但LingBot-VA通過視訊推演，預判了布料的形變，操作行雲流水。除此之外，LingBot-VA在RoboTwin 2.0和LIBERO這兩個硬核模擬基準上，也是很能打的。尤其是在RoboTwin 2.0的雙臂協作任務中，無論是簡單的固定場景（Easy），還是複雜的隨機場景（Hard），LingBot-VA都展現出了不錯的實力：RoboTwin 2.0 (Easy)：成功率92.93%，比第二名高出4.2%。RoboTwin 2.0 (Hard)：成功率91.55%，比第二名高出4.6%。而且有一個趨勢非常明顯：任務越難、序列越長（Horizon變大），LingBot-VA的領先優勢就越大。在 Horizon=3 的長任務中，它的優勢甚至擴大到了9%以上。而在LIBERO基準測試中，LingBot-VA更是拿下了98.5%的平均成功率，刷新了SOTA記錄。總結一下，通過這些實驗，我們可以清晰地看到LingBot-VA的三個核心特質：長期記憶：在一個來回擦盤子的計數任務中，普通VLA模型擦著擦著就忘了擦了幾下，開始亂擦；LingBot-VA 則精準計數，擦完即停。這就是KV-cache的起到的作用。少樣本適應：面對全新的任務，只需提供50條左右的演示資料，稍微微調一下，它就能學會。這比那些動輒需要成千上萬條資料的模型，效率高了幾個數量級。泛化能力：訓練時用的是某種杯子，測試時換個形狀、換個顏色，或者把杯子隨便擺個位置，它依然能精準識別並操作。連續四天開源，已經產生影響把時間軸拉長，回看這四天的連續開源，我們會發現螞蟻靈波下了一盤大棋。因為這四個開放原始碼專案拼湊在一起，就會形成一條非常清晰的技術主線：Day 1: LingBot-Depth——解決“看清”的問題。讓感知能夠更加清晰。Day 2: LingBot-VLA——解決“連接”的問題。打通語言、視覺到動作的通用介面。Day 3: LingBot-World——解決“理解”的問題。建構可預測、可想像的世界模型。Day 4: LingBot-VA——解決“行動”的問題。把世界模型真正嵌入控制閉環，讓想像指導行動。這四塊拼圖湊在一起，釋放了一個強烈的訊號：通用機器人正在全面走向視訊時代。視訊，不再僅僅是訓練用的資料素材，它正在成為推理的媒介，成為連接感知、記憶、物理和行動的統一表徵。這對於整個行業來說，價值是巨大的。對通用機器人來說，長任務、複雜場景、非結構化環境，這些曾經的硬傷，現在有了系統性的解法。從具身智能路線來看，世界模型不再是一個可選項，它正式成為了機器人的中樞能力，從“能動”進化到“會想再動”。並且螞蟻靈波的持續不斷地開源動作，不僅僅是提供了程式碼、模型這麼簡單，更是一條可復現、可擴展的技術範式。而蝴蝶效應也在行業中開始顯現。就在這兩天，Google宣佈通過Project Genie項目讓更多人體驗Genie 3；宇樹科技宣佈開源UnifoLM-VLA-0……海外媒體也對螞蟻靈波的開源動作有了不小關注，點評道：螞蟻集團發佈了名為LingBot-World的高品質機器人AI模擬環境。這家中國金融科技公司完善了一套完整的開源工具包，用於物理AI系統的開發。這也是在全球機器人領域主導權爭奪戰中的一項戰略性舉措。嗯，螞蟻靈波的壓力是給到位了。總而言之，LingBot-VA的出現，標誌著世界模型第一次真正站上了機器人控制的主舞台。項目地址：https://technology.robbyant.com/lingbot-vaGitHub地址：https://github.com/robbyant/lingbot-va項目權重：https://huggingface.co/robbyant/lingbot-vahttps://www.modelscope.cn/collections/Robbyant/LingBot-va (量子位)
大事不好！機器人學會預測未來了
科技#螞蟻靈波科技#開放原始碼#機器人
•

【DeepSeek】 宣佈下周連發五個開放原始碼專案！真 OpenAI 來了

DeepSeek 又雙叒叕要開源了。 就在剛剛，DeepSeek 在 X 平台發文宣佈，將在下周（OpenSourceWeek 開源周）連續五天開源 5 個項目的程式碼庫。 而且，這些項目已經被記錄、部署並在生產環境中經過實戰測試。 DeepSeek 團隊強調，作為開源社區的重要一員，他們堅信每一行共享的程式碼都將成為推動整個 AI 領域發展的重要力量。
科技#DeepSeek#OpenAI#開放原始碼
•

【DeepSeek】令科技圈恐懼的真正原因

上個月，中國生成式人工智慧（AI）模型DeepSeek-R1的發佈在科技界引起軒然大波。 DeepSeek-R1模型真正的影響不在AI的技術層面，而在AI的經濟層面。拜登政府2022年實施並在此後多次收緊禁止向中國出售最先進晶片及晶片製造裝置的禁令，目的是限制中國獲取尖端技術。但事與願違，這或許反而激勵了中國研究人員的創新精神。 DeepSeek-R1還可以免費使用，而且是開放原始碼的。低成本與開放性的強強聯合可能有助於普及AI技術，讓其他國家（尤其是美國以外）的開發者能夠入局。當美國公司在為試圖進入該領域的競爭對手設定儘可能多的障礙時，中國卻在開放這項技術，這確實是一種諷刺。 ▲資料圖片：DeepSeek標識（路透社）
【DeepSeek】令科技圈恐懼的真正原因
科技#DeepSeek#開放原始碼#低成本
•

【DeepSeek】登頂140國榜首，免費開放原始碼的真相究竟是什麼？

DeepSeek登頂140國榜首了，但最興奮的還是印度。為什麼印度會特別興奮呢？主要原因就在於，印度直接躺贏了。 DeepSeek是一個開放原始碼的大模型，技術實力直接比肩美國OpenAI。印度呢？原本是一個“無資本、無技術、無人才、無算力”的四無國家。別說搞AI了，連AI的門檻都摸不到。全球AI技術之爭，實際上就只發生在中美之間。可DeepSeek的開源，讓印度一夜之間，就覺得自己雄起了。 印度的策略很簡單，就是照抄DeepSeek的原始碼，在結合印度本地的巨量資料，進行定製化改造。這就跟早期的Android手機一樣。Google公司開源了Android系統的原始碼，中國公司呢？把Android的原始碼抄下來，再進行深度定製化改造，就創造了一大批Android手機公司。Android的出現，也打破了IOS系統一家獨大的局面。 如今，DeepSeek就在複製Android的成功。很多人不理解，為什麼要開源？美國OpenAI搶先一步，具有先發優勢，怎麼就不率先開源？實際上，對OpenAI而言，拒絕開源，是一個重大的戰略性錯誤。在OpenAI成立之初，就是奔著開源而去的。
【DeepSeek】登頂140國榜首，免費開放原始碼的真相究竟是什麼？
科技#DeepSeek#免費開放原始碼
•

最新！Yann LeCun：AI將成為超級智能，堪比新的文藝復興，人類新的啟蒙

老楊聯合國最新演講，核心觀點： 開源： 基礎模型必須是自由和開放原始碼的，才能讓全球都能參與，避免少數公司控制 分佈式訓練： 訓練過程應該在全球多個資料中心以協作和分佈式的方式進行 未來AI的強大： 未來的AI將具備推理、計畫、和理解現實世界的能力，最終會匹配甚至超越人類智力
最新！Yann LeCun：AI將成為超級智能，堪比新的文藝復興，人類新的啟蒙
科技#Yann LeCun#聯合國最新演講#人工智慧