从"看见"到"预判"：蚂蚁灵波世界模型研究获世界机器人顶会 RSS 2026认可

近日，蚂蚁灵波科技与香港科技大学等高校合作完成的论文《Causal World Modeling for Robot Control》被国际机器人顶级学术会议 Robotics: Science and Systems（RSS）2026 接收。研究提出面向机器人控制的因果世界建模框架，并落地为开源自回归视频-动作世界模型 LingBot-VA，使机器人能在执行任务时持续预测环境变化，并生成下一步动作指令，具备“边观察、边判断、边行动”的能力。LingBot-VA 将因果时间关系写入模型结构，采用 Mixture-of-Transformers（MoT）架构，把视频预测和动作生成统一到自回归扩散框架中，并通过闭环推演机制接收真实环境反馈，降低长时序预测误差。测试显示，其在 RoboTwin 2.0 的 50 个双臂任务中 Easy、Hard 成功率分别为 92.0% 和 91.1%，LIBERO 基准达 98.5%；真实任务中仅需 50 条示范数据即可适配，整体成功率较 π0.5 提升超 20 个百分点。模型权重、训练与推理代码已开放。