9小时前 这个机器人模型，把几个月的技能开发压缩到一周

出品：机器人技术笔记

给人形机器人换一个新任务，听起来很像给电脑装软件：点几下，重启，然后开工。

现实没有这么省心。

模型也许认识零件，听得懂“放进左边料盒”，甚至知道下一步该抓哪里。可一到真实工位，它还是会碰上一堆很“身体”的问题：手臂够不够长，关节该转多少，夹爪什么时候合上，传送带会不会趁它犹豫时把东西送走。

大脑听懂了，手还没练熟。

过去开发一个新技能，常常要把本体适配、基础动作和场景任务一起重学。换个工位，再来一遍。多少有点像员工每次转岗，都得先重新学走路。

KUAVO-VLA 想省掉的，就是这部分重复工作。它在通用基模和具体技能之间加了一层“工业专业课”：先熟悉 KUAVO 的身体，再练好工业操作的基本功。新任务来了，模型只需重点学习新的物料、工位和流程。

能听懂指令，为什么还不等于会干活？

VLA（视觉—语言—动作模型）这个名字听上去很学术。放在工厂里，它干的事很好理解：摄像头替机器人看，人告诉它要做什么，模型再指挥手臂去完成动作。

假设传送带上混着黑色和白色的工件，任务是“把黑色工件放进左边料盒”。机器人认出黑色工件，只能算听懂了。真要干活，它还得追上传送带，找准下手的位置，夹稳工件，再把手收回来。早半拍，夹爪抓空；晚半拍，工件已经溜走；夹得不稳，走到半路还可能掉下来。

换一台机器人，麻烦又变了。手臂长短不同，夹爪开合速度不同，伸手的路线也得跟着改。就像一位熟练工换了一套陌生工具：他知道产品该怎么装，但手上还得重新找感觉。

通用模型先学会“怎么做事”，KUAVO-VLA 再把这些能力真正练到 KUAVO 这副身体和工业场景里。这样开发新技能时，就不用反复从头适配机器人本体，而能把更多精力放在新的物料、工位和流程上。

600 多小时，它不是在死记任务

可以把这套训练分成两步来看。

第一步，先让模型掌握一套比较通用的“动作语法”。LingBot-VLA 2.0 要兼容多种机器人，因此会把不同本体的关节和动作整理到统一的表示中。机器人虽然各有各的身体，但抓取、移动和放置这些动作，可以先放进同一个学习框架。

第二步，再把训练范围收回到 KUAVO。KUAVO-VLA 使用 600 多小时 KUAVO 真机数据继续训练，覆盖 100 项工业任务，而且全部数据都来自同一种机器人构型。

为什么只盯着这一副“身体”练？

因为每次抓取、搬运和放置，都对应同一套关节、动作空间和控制规律。模型不用一边学任务，一边猜不同机器人到底该怎么动，可以把注意力集中在 KUAVO 身上。

这 100 项任务也不是让模型背 100 份操作流程。识别、定位、抓取、搬运、放置，会在不同物料和工位中反复出现。练得多了，这些动作就从“某个任务的做法”变成了可以重复调用的工业基本功。

快消品下料真机演示。

罐装商品上料真机演示。

它的范围也很清楚：这套能力更贴合 KUAVO 和目标工业场景，不是一块插到任何机器人身上都能用的万能芯片。

换个好懂的说法，通用基模像大学通识课，垂域模型像工业专业课，最后的技能训练才是具体岗位的入职培训。三层都要学，只是不用每换一个岗位，就从小学一年级重新读起。

25 道实操题，它到底做对了多少？

KUAVO-VLA 接受了一组包含 25 项任务的测试，其中 20 项是定制化工业任务，另外 5 项来自公共任务集 GM100。一起参加对比的，还有 π0.5、GR00T N1.7 和 LingBot-VLA 2.0。

结果是，KUAVO-VLA 的整体任务成功率达到 48.27%，过程分达到 74.51%，两项指标都排在第一。相较于 LingBot-VLA 2.0 的成绩分别是 16.27% 和 42.06%，都有明显的提升。

图：25 项任务综合评测结果

成功率和过程分为什么差这么多？可以把一项任务想成十个步骤。机器人做完前八步，最后把零件放歪了，成功率会记作失败，过程分却会记录它已经走到第八步。48.27% 和 74.51% 放在一起看，说明不少任务不是完全不会做，而是卡在了后面几步。

两个具体案例更直观。第一个是流水线开关分拣：机器人要看准移动中的开关，两只手配合把它抓起来，再放到正确位置。模型看了 5 小时示范，训练后做 10 次，大约能成功 8 次。

第二个是零食分拣：桌上混着多种零食，机器人要先认出它们，再逐个抓起、分到对应位置。这个任务用了 150 条示范数据，做 10 次大约能成功 7 次，统计成功率为 73.33%。

流水线开关分拣真机演示。

零食分拣真机演示

从几个月到一周，省下的是什么？

比排行榜更直接的，是开发周期。

过去采用“基模直接训练技能”的路线，做出一项完整任务通常要花数月，采集数百到上千条数据。任务一换，数据、训练和调试又得重新走一轮。

有了垂域模型，机器人已经熟悉 KUAVO 的身体，也练过工业基本动作。新任务适配可以压缩到一周左右，典型任务用约 150 条数据就能启动，整体成本下降 3 倍以上。

技能落地的成功率平均达到 80%—90%，部分任务可以做到 100%。开发团队终于可以少花时间教机器人“手该怎么抬”，把精力留给真正不同的部分：这次抓什么、工位怎么摆、生产节拍有多快。

捏尖叫鸡任务真机演示。

更换卷纸任务真机演示。

鸡蛋装填任务真机演示。

图：基模、垂域模型与技能训练的能力分工

机器人终于不用每换个工位就“失忆”

KUAVO-VLA 做的事情，可以归结为一次更清楚的分工。

通用基模负责见多识广，垂域模型负责熟悉 KUAVO 的身体和工业操作，技能训练再解决具体物料、工位与流程。一个任务积累下来的高质量数据，还能回到垂域能力池里，给下一个相近任务打底。

对机器人入门者来说，记住这一点就够了：给机器人装上一个聪明的“大脑”，不代表它马上就能进厂上班。它还要熟悉自己的手脚，也得把行业里的基本功练扎实。

当这些重复课程被提前学好，新任务就不用每次从“学会抬手”开始。机器人少走一段重复路，工业落地自然能快一步。