Lar
150 dados de treinamento permitem a adaptação do robô: Ant Lingbo disponibiliza em código aberto o código de ajuste fino do LingBot-VLA

A Lingbo Technology, empresa de robótica pertencente ao Ant Group, anunciou o lançamento completo em código aberto da cadeia de ferramentas de pós-treinamento para robôs reais destinada ao seu modelo de base incorporado, o LingBot-VLA. Essa cadeia de ferramentas permite que equipes de desenvolvimento adaptem rapidamente o LingBot-VLA aos seus próprios robôs e tarefas, utilizando seus próprios dados.
O número crescente de modelos de inteligência incorporada de código aberto ainda exige um extenso trabalho de adaptação para ser implantado em um robô específico. Diferenças nas configurações de braços robóticos, efetores finais, configurações de sensores e interfaces de controle significam que as equipes frequentemente precisam realizar um trabalho significativo de engenharia para a implantação em robôs reais. Esses fluxos de trabalho têm sido tipicamente mantidos como know-how interno e raramente foram totalmente disponibilizados como código aberto antes.
Esta versão atende às principais necessidades de adaptação para robôs reais em quatro etapas: ferramentas de processamento de dados que suportam a fusão de múltiplos conjuntos de dados do LeRobot e padronizam o mapeamento de dimensões das articulações; configurações de treinamento otimizadas para cenários com robôs reais; ferramentas de avaliação offline; e um módulo de implantação em robôs reais com aceleração de compilação. O modelo também oferece versões com e sem profundidade, permitindo que as equipes escolham de acordo com suas necessidades.
Como um modelo de base incorporado, o LingBot-VLA foi pré-treinado com 20.000 horas de dados de robôs reais, abrangendo nove configurações comuns de robôs de dois braços. Ele possui capacidades de generalização entre diferentes modelos e tarefas. Tanto em avaliações com robôs reais quanto em simulações, ele supera o benchmark do setor π0,5 e passou por verificação em múltiplas máquinas com fabricantes como Lepu, Songling e Xinghai Tu.
O LingBot-VLA consegue realizar transferência de tarefas de alta qualidade com apenas 150 pontos de dados de demonstração. Graças à otimização profunda da base de código subjacente, sua eficiência de treinamento é de 1,5 a 2,8 vezes maior do que a de frameworks convencionais como StarVLA e OpenPI, reduzindo ainda mais os custos de dados e computação para a adaptação do modelo.
O repositório de código do LingBot-VLA agora está disponível como código aberto no GitHub (github.com/Robbyant/lingbot-vla), e os pesos do modelo estão disponíveis no Hugging Face e no ModelScope.
Artigo relacionado
Ações dos EUA Atingem Marco Histórico Enquanto Gigantes de IA e Aeroespacial se Preparam para Estreia de Trilião de Dólares
Elon Musk, Sam Altman e Dario Amodei, três titãs do setor de tecnologia, estão avançando rumo a ofertas públicas iniciais (IPOs) para suas respectivas empresas. Com a SpaceX, a OpenAI e a Anthropic — três gigantes da indústria que se aproximam de ava
Startup sueca de IA Lovable Eyes tem avaliação de US$ 13,2 bilhões após rodada principal de investimentos
À medida que as ferramentas de codificação impulsionadas por IA ganham tração, a startup sueca Lovable garantiu uma grande rodada de financiamento. A empresa visa captar US$ 3 bilhões, o que poderia elevar sua avaliação para US$ 13,2 bilhões — o dobr
O Google testa o Agente Remy AI para o Gemini, à medida que o foco se desloca para o controle do usuário
De acordo com o Business Insider, o Google está testando o Remy, um novo agente pessoal de IA para o Gemini. Esta ferramenta tem como objetivo executar tarefas em nome dos usuários, simplificando tanto os fluxos de trabalho profissionais quanto as ro
Recomendações de tópicos especiais relacionados
Comentários (0)

A Lingbo Technology, empresa de robótica pertencente ao Ant Group, anunciou o lançamento completo em código aberto da cadeia de ferramentas de pós-treinamento para robôs reais destinada ao seu modelo de base incorporado, o LingBot-VLA. Essa cadeia de ferramentas permite que equipes de desenvolvimento adaptem rapidamente o LingBot-VLA aos seus próprios robôs e tarefas, utilizando seus próprios dados.
O número crescente de modelos de inteligência incorporada de código aberto ainda exige um extenso trabalho de adaptação para ser implantado em um robô específico. Diferenças nas configurações de braços robóticos, efetores finais, configurações de sensores e interfaces de controle significam que as equipes frequentemente precisam realizar um trabalho significativo de engenharia para a implantação em robôs reais. Esses fluxos de trabalho têm sido tipicamente mantidos como know-how interno e raramente foram totalmente disponibilizados como código aberto antes.
Esta versão atende às principais necessidades de adaptação para robôs reais em quatro etapas: ferramentas de processamento de dados que suportam a fusão de múltiplos conjuntos de dados do LeRobot e padronizam o mapeamento de dimensões das articulações; configurações de treinamento otimizadas para cenários com robôs reais; ferramentas de avaliação offline; e um módulo de implantação em robôs reais com aceleração de compilação. O modelo também oferece versões com e sem profundidade, permitindo que as equipes escolham de acordo com suas necessidades.
Como um modelo de base incorporado, o LingBot-VLA foi pré-treinado com 20.000 horas de dados de robôs reais, abrangendo nove configurações comuns de robôs de dois braços. Ele possui capacidades de generalização entre diferentes modelos e tarefas. Tanto em avaliações com robôs reais quanto em simulações, ele supera o benchmark do setor π0,5 e passou por verificação em múltiplas máquinas com fabricantes como Lepu, Songling e Xinghai Tu.
O LingBot-VLA consegue realizar transferência de tarefas de alta qualidade com apenas 150 pontos de dados de demonstração. Graças à otimização profunda da base de código subjacente, sua eficiência de treinamento é de 1,5 a 2,8 vezes maior do que a de frameworks convencionais como StarVLA e OpenPI, reduzindo ainda mais os custos de dados e computação para a adaptação do modelo.
O repositório de código do LingBot-VLA agora está disponível como código aberto no GitHub (github.com/Robbyant/lingbot-vla), e os pesos do modelo estão disponíveis no Hugging Face e no ModelScope.
Ações dos EUA Atingem Marco Histórico Enquanto Gigantes de IA e Aeroespacial se Preparam para Estreia de Trilião de Dólares
Elon Musk, Sam Altman e Dario Amodei, três titãs do setor de tecnologia, estão avançando rumo a ofertas públicas iniciais (IPOs) para suas respectivas empresas. Com a SpaceX, a OpenAI e a Anthropic — três gigantes da indústria que se aproximam de ava
Startup sueca de IA Lovable Eyes tem avaliação de US$ 13,2 bilhões após rodada principal de investimentos
À medida que as ferramentas de codificação impulsionadas por IA ganham tração, a startup sueca Lovable garantiu uma grande rodada de financiamento. A empresa visa captar US$ 3 bilhões, o que poderia elevar sua avaliação para US$ 13,2 bilhões — o dobr











