lingbot-va

收录理由

LingBot-VA 把通用机器人控制里最棘手的一环——既要预测场景下一步会发生什么，又要决定自己该做什么——放在同一个自回归视频-动作世界模型里解决。它把视觉动态预测和动作推理交织成单一序列，让机器人在行动前先掂量后果。仓库为实际使用做了充分准备：预训练权重、后训练代码、整理成 LeRobot 格式的数据集都齐了，还直接支持在 RoboTwin-2.0 和 LIBERO 上跑评估，服务端与客户端分离的架构也让模型和仿真器解耦。做机器人研究或具身智能的工程师，想复现结果、用自己的操作数据微调，或者拿世界模型方法和纯动作策略做对比，都会觉得顺手。双流混合 Transformer 加 KV 缓存的实现，对长时程任务里推理效率有要求的人，也值得细看。