LingBot-VA 概览
LingBot-VA 是面向机器人控制的因果视频动作世界模型。模型在交错的自回归序列中表示视觉观测与动作，同时支持视觉动态预测和动作推理。
已发布模型
| Checkpoint | 用途 |
|---|---|
| lingbot-va-base | 用于后训练的基础 Checkpoint |
| lingbot-va-posttrain-robotwin | 面向 RoboTwin 的后训练 Checkpoint |
| lingbot-va-posttrain-libero-long | 面向 LIBERO-Long 的后训练 Checkpoint |
RoboTwin 与 LIBERO-Long 后训练数据集已同步发布。
运行模式
模型在训练和推理时使用不同的 attn_mode：
- 训练：
flex - 推理或评测：
torch或flashattn
运行对应流程前，需要在已下载模型的 transformer/config.json 中设置该字段。