# lingbot-vla-4b-depth

> 权威词条地址：https://robotics.hellobike.com/models/robbyant-lingbot-vla-4b-depth
> 所属分类：models | 最近核验日期：2026-04-30 | 技术层级：L7, L8

## 核心摘要

robbyant 在 Hugging Face 发布的机器人模型，参数规模 4.2B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/robbyant/lingbot-vla-4b-depth"}] |
| `updated` | 2026-04-30 |
| `family` | vla |
| `params` | 4.2B |
| `architecture` | LeRobot / PyTorch Policy Network |
| `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` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | robbyant/lingbot-vla-4b-depth |
| `hub_stats` | {"downloads": 123, "likes": 19, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/robbyant/lingbot-vla-4b-depth"] |

## 技术详解与生态说明

LingBot-VLA-4B-Depth 是 LingBot-VLA 系列中的带深度版本，定位为 Pragmatic 的 VLA foundation model；同系列还提供不带深度的 LingBot-VLA-4B。项目给出 GitHub 仓库、论文和项目页，代码库基于 VeOmni 构建。

该模型强调使用 20,000 小时真实世界数据进行大规模预训练，数据来自 9 种流行的双臂机器人配置。项目声称其在仿真和真实世界 benchmark 上相对竞品有明显优势，并且训练效率较现有 VLA 代码库提升 1.5–2.8 倍，具体取决于所依赖的 VLM 基座模型。许可为 Apache-2.0。

## 原始核验来源 (Sources)

- [Hugging Face robbyant/lingbot-vla-4b-depth](https://huggingface.co/robbyant/lingbot-vla-4b-depth)