# 蚂蚁灵波在 RSS 2026 提出首个自回归因果世界模型，用 50 条演示数据就能让机器人学会通用操控

> 原标题：RSS 2026｜蚂蚁灵波提出首个自回归因果世界模型，50条数据解锁通用机器人操控

- 来源：机器之心 · 公众号
- 发布时间：2026-06-03T07:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/33785
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651036834&idx=2&sn=2ee913b69d3841ccae7b2fa64b0704d4

## 摘要

蚂蚁灵波和港科大搞了个叫 LingBot-VA 的模型，把“预测画面接下来怎么变”和“判断该做什么动作”合到一个自回归框架里。论文说，每个任务只用 50 条真实世界的演示数据微调，在 RoboTwin 2.0 的简单和困难设定下，成功率分别到了 92.0% 和 91.1%。

## 推荐理由

蚂蚁灵波与港科大提出 LingBot-VA，把画面预测与动作决策合入自回归框架，每个任务仅用 50 条真实演示数据微调，在 RoboTwin 2.0 上报告了 92.0% 和 91.1% 的成功率。

## 锐评

50 条演示数据这个数，比 92% 的成功率更值得看。真机数据采集是具身智能最贵的一环，一条演示背后是人工、场地、时间，能压到 50 条，微调成本就下来了。但只有论文，没有开源代码，没有实物视频，也没跟扩散策略这类主流基线做量化对比，92% 是自家设定下跑出来的。我的判断是机制方向对，数字先别当真，等代码和视频出来再决定要不要跟。
