灵波开源具身全栈助力药房机器人自主分拣

2026年11月3日开幕的世界互联网大会乌镇峰会上，一间宽约80厘米、药品密集摆放的零售药房被搬入展馆。机器人可在狭窄通道中完成订单接收、药品识别、分拣和交付。

这套方案并非概念演示，已在上海国大药房多家门店常态运行，帮助药剂师处理重复分拣工作。其底层是蚂蚁灵波开源的具身“大脑全栈2.0”，涵盖视觉、深度感知、世界模型和动作决策等模块。项目自今年1月开源以来，GitHub Star超过3.3万，模型下载量超过220万次。

斯坦福李飞飞团队发布具身框架OpenWAM时，复用了LingBot-VA；KAIST则在FastOPD中将LingBot-VLA作为教师模型。RoboTwin 2.0测试显示，4.5亿参数学生模型在NFE=1下的成功率由35.3%升至51.2%，延迟仅从56毫秒增至57毫秒。

灵波模型还被纳入LeRobot官方主线，视觉模型进入timm。其技术栈包括LingBot-Vision、Depth 2.0的空间理解，LingBot-Video、World 2.0的环境预测，以及LingBot-VLA、VA 2.0的动作生成与边执行边修正能力。

为应对反光、遮挡、位置偏差和碰撞等真实扰动，世界模型会预演物理变化，异步预测与执行则降低控制延迟。训练数据来自超过10万小时真机作业，覆盖20多种本体、3.6万种任务和近2亿条深度感知数据；失败样本可通过端边云在半天内回流，形成可用率超过90%的训练集。

在工程工具链中，LeRobot适配后动作块生成耗时由677毫秒降至127毫秒；NVIDIA的FlashDreams、SGLang和vLLM-Omni也分别接入LingBot世界模型或视频模型。开发者还将LingBot-World 2.0在RTX 5090上的实时生成从6.0 FPS提升至16.1 FPS，并在M4 Pro、16.1GB内存的Mac上生成6.8秒交互视频。

截至10月底，来自13个国家的1855支以上队伍参加具身挑战赛。应用端则不要求改造货架和动线，机器人可在药房原有环境中作业；同时，灵波正与隆盛科技、德马科技推进汽车零部件上下料和车间分拣，探索重载、油污反光及高节拍场景。

这些实践显示，开源具身底座的价值不只在于公开权重，更在于能否被科研团队、开发平台和真实生产流程持续复用，在不同硬件与工况中沉淀可迁移的操作经验。