# lingbot-vla-4b-posttrain-robotwin

> 权威词条地址：https://robotics.hellobike.com/models/robbyant-lingbot-vla-4b-posttrain-robotwin
> 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-posttrain-robotwin"}] |
| `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-posttrain-robotwin |
| `hub_stats` | {"downloads": 269, "likes": 4, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/robbyant/lingbot-vla-4b-posttrain-robotwin"] |

## 技术详解与生态说明

LingBot-VLA-4B-Posttrain-Robotwin 是 LingBot-VLA 系列中的 Robotwin 后训练模型，属于面向视觉-语言-动作的基础模型；该版本为 4B 规格且不使用深度输入。项目强调“Pragmatic”取向，并提供同系列的含深度与不含深度版本。输出许可为 Apache-2.0。

该系列使用 20,000 小时真实世界数据进行大规模预训练，数据来自 9 种常见双臂机器人配置。模型被描述为在仿真与真实世界基准上相对竞品具有明显优势；训练效率方面，相比现有 VLA 代码库有 1.5 到 2.8 倍加速，具体取决于所依赖的 VLM 基座模型。代码库基于 VeOmni 项目构建。

## 原始核验来源 (Sources)

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