VLA ギャラリー / モデル一覧 / 2026年の新モデル

LingBot-VLA

Robbyant (Ant Group) · 2026-01

VLA2026年の新モデル非公開flow matching

双腕ロボット9種の実データ約20,000時間で事前学習した。

論文

A Pragmatic VLA Foundation ModelarXiv 2601.18692

概要

分類

2026年の新モデル

タイプ

VLA

発表

2026-01

機関

Robbyant (Ant Group)

重み公開

あり

パラメータ

非公開 (チェックポイント名 LingBot-VLA-4B・4B-Depth)

構造

バックボーンLLM

Qwen2.5-3B · Qwen2.5-VL-3B構成

ビジョンエンコーダ

Qwen2.5-VL ViT

アクションヘッド

MoT flow matchingアクションエキスパート (flow matching)

チャンク

50ステップ

制御周期

非公開

構造の原文要約

Qwen2.5-VL-3B-Instruct + BAGEL式Mixture-of-Transformersアクションエキスパート、フローマッチング連続アクション、事前学習チャンク T=50

学習

事前学習アクセラレータ

GPU種類は非公開; 8 GPU合計 261 samples/s、8–256 GPUのスケーリング実験(FSDP、bf16)

事前学習期間

非公開

事前学習ステップ・バッチ

非公開 (スケーリング実験のローカルバッチ 32)

GPU・TPU時間

非公開

ファインチューニング

GPU・時間は非公開; GM-100 課題あたり130エピソード、モデル比較バッチ256

データ種類

実ロボットのテレオペレーション

データ規模

約20,000時間、双腕ロボット構成9種; 評価デモ39,000件・試行22,500回

主要データセット

独自収集の9種双腕データ; GM-100

タスク・評価

GM-100(100課題、3プラットフォーム平均) 成功率17.30%・進捗35.41%(深度込み); RoboTwin 2.0 clean 88.56%

ロボット

AgiBot G1, AgileX, Galaxea R1Lite·R1Pro, Realman Rs-02, Leju KUAVO 4 Pro, Qinglong, ARX Lift2, Bimanual Franka

推論

推論デバイス・速度

非公開 (torch.compile対応)

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

非公開

強化学習・ベース

強化学習

不使用 · flow matching教師あり学習

強化学習の根拠

https://arxiv.org/html/2601.18692v1

ベース制御

固定 · 評価タスクはシャーシ・腰を固定した卓上操作と明記 (アーム・グリッパ)

備考

主な特徴

双腕ロボット9種の実データ約20,000時間で事前学習した。3,000→20,000時間のデータスケーリング研究とGM-100ベンチマークを合わせて公開した。

備考

修正反映: 261 samples/sは8 GPU合計の処理量(READMEが'per GPU'表記を誤記として訂正)。arXiv v1 2026-01-26、重み・コード 2026-01-27。Apache-2.0。

検証

修正反映