- 类别
- VLA 模型
- 开放程度
- 开源
- 发布时间
- 2026 年 1 月
- 开源协议
- Apache-2.0
- 发布方所在地
- 中国
项目简介
蚂蚁灵波的因果视频-动作世界模型,用自回归扩散框架在同一条交错序列里同时预测未来画面和机器人动作,直接用于机器人控制。采用双流混合 Transformer 结构,视觉与动作 token 共享潜在空间,借助 KV 缓存和异步执行让动作推理与电机执行并行。开源基础权重、RoboTwin 2.0 与 LIBERO-Long 后训练权重,以及后训练代码和数据。
蚂蚁灵波的因果视频-动作世界模型,用自回归扩散框架在同一条交错序列里同时预测未来画面和机器人动作,直接用于机器人控制。采用双流混合 Transformer 结构,视觉与动作 token 共享潜在空间,借助 KV 缓存和异步执行让动作推理与电机执行并行。开源基础权重、RoboTwin 2.0 与 LIBERO-Long 后训练权重,以及后训练代码和数据。