Heim
150 Trainingsdaten ermöglichen die Anpassung des Roboters: Ant Lingbo veröffentlicht den Code zur Feinabstimmung von LingBot-VLA als Open Source

Das zur Ant Group gehörende Robotikunternehmen Lingbo Technology hat die vollständige Open-Source-Veröffentlichung der Toolchain für das Post-Training von realen Robotern für sein verkörpertes Grundmodell LingBot-VLA bekannt gegeben. Diese Toolchain ermöglicht es Entwicklungsteams, LingBot-VLA mithilfe ihrer eigenen Daten schnell an ihre eigenen Roboter und Aufgaben anzupassen.
Die wachsende Zahl von Open-Source-Modellen für verkörperte Intelligenz erfordert nach wie vor umfangreichen Anpassungsaufwand, um sie auf einem bestimmten Roboter einzusetzen. Unterschiede bei den Konfigurationen von Roboterarmen, Endeffektoren, Sensoraufbauten und Steuerungsschnittstellen bedeuten, dass Teams für den Einsatz an realen Robotern oft erhebliche technische Anpassungen vornehmen müssen. Solche Arbeitsabläufe wurden bisher in der Regel als internes Know-how gehütet und selten vollständig als Open Source veröffentlicht.
Diese Version zielt auf zentrale Anforderungen bei der Anpassung an reale Roboter in vier Phasen ab: Datenverarbeitungswerkzeuge, die das Zusammenführen mehrerer LeRobot-Datensätze unterstützen und die Zuordnung von Gelenkdimensionen standardisieren; für reale Roboterszenarien optimierte Trainingskonfigurationen; Offline-Auswertungswerkzeuge sowie ein Modul für den Einsatz auf realen Robotern mit Beschleunigung der Kompilierung. Das Modell bietet zudem Versionen mit und ohne Tiefeninformationen an, sodass Teams je nach ihren Anforderungen wählen können.
Als verkörpertes Grundmodell wurde LingBot-VLA anhand von 20.000 Stunden Daten mit realen Robotern vortrainiert, die neun gängige Konfigurationen von Zweiarmenrobotern abdecken. Es verfügt über Generalisierungsfähigkeiten über verschiedene Roboter und Aufgaben hinweg. Sowohl bei Bewertungen mit realen Robotern als auch in Simulationen übertrifft es den Branchen-Benchmark π0,5 und wurde einer Verifizierung auf mehreren Maschinen bei Herstellern wie Lepu, Songling und Xinghai Tu unterzogen.
LingBot-VLA kann bereits mit nur 150 Demonstrationsdatenpunkten eine qualitativ hochwertige Aufgabenübertragung erreichen. Dank einer tiefgreifenden Optimierung der zugrunde liegenden Codebasis ist seine Trainingseffizienz 1,5- bis 2,8-mal so hoch wie die gängiger Frameworks wie StarVLA und OpenPI, was die Daten- und Rechenkosten für die Modellanpassung weiter senkt.
Das LingBot-VLA-Code-Repository ist nun als Open Source auf GitHub (github.com/Robbyant/lingbot-vla) verfügbar, und die Modellgewichte sind auf Hugging Face und ModelScope erhältlich.
Verwandter Artikel
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
Google testet den Remy AI Agent für Gemini, da der Fokus auf die Benutzerkontrolle verlagert wird
Laut Business Insider testet Google Remy, einen neuen KI-Personalagenten für Gemini. Dieses Tool soll Aufgaben im Auftrag von Nutzern ausführen und sowohl professionelle Arbeitsabläufe als auch tägliche Routinen optimieren.Derzeit wird Remy in einer
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Das zur Ant Group gehörende Robotikunternehmen Lingbo Technology hat die vollständige Open-Source-Veröffentlichung der Toolchain für das Post-Training von realen Robotern für sein verkörpertes Grundmodell LingBot-VLA bekannt gegeben. Diese Toolchain ermöglicht es Entwicklungsteams, LingBot-VLA mithilfe ihrer eigenen Daten schnell an ihre eigenen Roboter und Aufgaben anzupassen.
Die wachsende Zahl von Open-Source-Modellen für verkörperte Intelligenz erfordert nach wie vor umfangreichen Anpassungsaufwand, um sie auf einem bestimmten Roboter einzusetzen. Unterschiede bei den Konfigurationen von Roboterarmen, Endeffektoren, Sensoraufbauten und Steuerungsschnittstellen bedeuten, dass Teams für den Einsatz an realen Robotern oft erhebliche technische Anpassungen vornehmen müssen. Solche Arbeitsabläufe wurden bisher in der Regel als internes Know-how gehütet und selten vollständig als Open Source veröffentlicht.
Diese Version zielt auf zentrale Anforderungen bei der Anpassung an reale Roboter in vier Phasen ab: Datenverarbeitungswerkzeuge, die das Zusammenführen mehrerer LeRobot-Datensätze unterstützen und die Zuordnung von Gelenkdimensionen standardisieren; für reale Roboterszenarien optimierte Trainingskonfigurationen; Offline-Auswertungswerkzeuge sowie ein Modul für den Einsatz auf realen Robotern mit Beschleunigung der Kompilierung. Das Modell bietet zudem Versionen mit und ohne Tiefeninformationen an, sodass Teams je nach ihren Anforderungen wählen können.
Als verkörpertes Grundmodell wurde LingBot-VLA anhand von 20.000 Stunden Daten mit realen Robotern vortrainiert, die neun gängige Konfigurationen von Zweiarmenrobotern abdecken. Es verfügt über Generalisierungsfähigkeiten über verschiedene Roboter und Aufgaben hinweg. Sowohl bei Bewertungen mit realen Robotern als auch in Simulationen übertrifft es den Branchen-Benchmark π0,5 und wurde einer Verifizierung auf mehreren Maschinen bei Herstellern wie Lepu, Songling und Xinghai Tu unterzogen.
LingBot-VLA kann bereits mit nur 150 Demonstrationsdatenpunkten eine qualitativ hochwertige Aufgabenübertragung erreichen. Dank einer tiefgreifenden Optimierung der zugrunde liegenden Codebasis ist seine Trainingseffizienz 1,5- bis 2,8-mal so hoch wie die gängiger Frameworks wie StarVLA und OpenPI, was die Daten- und Rechenkosten für die Modellanpassung weiter senkt.
Das LingBot-VLA-Code-Repository ist nun als Open Source auf GitHub (github.com/Robbyant/lingbot-vla) verfügbar, und die Modellgewichte sind auf Hugging Face und ModelScope erhältlich.
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des











