lingbot-vla

LingBot-VLA 是一个面向具身智能的视觉-语言-动作（VLA）基础模型，专为真实机器人操作任务设计。其核心功能是将多模态感知（RGB/深度图像）、自然语言指令理解与连续动作生成统一建模，基于2万小时真实双臂机器人操作数据预训练，在仿真与真机基准上均表现出强泛化性与高效训练特性（相较同类方案提速1.5–2.8倍）。模型支持开环评估、深度信息蒸馏及Torch Compile加速，适配工业分拣、实验室自动化等需语言驱动具身执行的现实场景。