# lingbot_va_base

> 权威词条地址：https://robotics.hellobike.com/models/lerobot-lingbot-va-base
> 所属分类：models | 最近核验日期：2026-10-06 | 技术层级：L7, L8

## 核心摘要

lerobot 在 Hugging Face 发布的机器人模型，架构为 Transformer (robbyant/lingbot-va-base)，参数规模 5.1B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/lerobot/lingbot_va_base"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/lerobot/lingbot_va_base"}] |
| `updated` | 2026-10-06 |
| `vendor` | hugging-face |
| `family` | policy |
| `params` | 5.1B |
| `architecture` | Transformer (robbyant/lingbot-va-base) |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["LeRobot"] |
| `status` | research |
| `hub_id` | lerobot/lingbot_va_base |
| `hub_stats` | {"downloads": 260, "likes": 4, "as_of": "2026-10-21"} |

## 技术详解与生态说明

LingBot-VA 是一个自回归的视频-动作世界模型策略，基于 Wan2.2 video-diffusion stack 构建，并已通过 LeRobot 训练和发布到 Hub。它在单一自回归序列中交错预测未来视频 latent 与机器人动作，并将观测到的关键帧回写到 KV cache，用于闭环世界建模。

该策略的输入是三路 256×256 RGB 视觉观测：cam_high、cam_left_wrist 和 cam_right_wrist；输出为 14 维 action。使用时需要在 LeRobot 的运行或训练流程中配置机器人端口以及本机相机名称或索引，且相机名称需与训练时的 observation key 匹配。许可证为 apache-2.0；该策略尚未提供评估结果。

## 原始核验来源 (Sources)

- [Hugging Face lerobot/lingbot_va_base](https://huggingface.co/lerobot/lingbot_va_base)