乐聚发布KUAVO VLA垂域具身模型：中训练策略实现工业场景高效落地
2026/08/27 15:52阅读量 3
乐聚机器人推出面向工业场景的垂域具身智能模型KUAVO VLA，通过在通用VLA基础模型上进行600+小时同构型真机数据的“中训练”，沉淀本体适配与工业共性能力。该模型在包含25项任务的Benchmark中，以48.27%的任务成功率和74.51%的过程分位列第一，显著优于Lingbot-VLA 2.0等基模。这一方案旨在解决后训练成本高、数据重复采集等痛点，为二次开发者提供更低门槛、更高效率的工业落地路径。
事件概述
乐聚机器人发布了专为工业场景构建的垂域具身智能模型——KUAVO VLA。该模型并非从零开始训练，而是以通用视觉-语言-动作（VLA）基础模型为起点，引入了一种被称为“中训练”（Mid-train）的策略。通过利用600多个小时的KUAVO同构型真机数据进行针对性训练，将本体适配、基础操作及工业场景的共性能力内化到模型中，从而填补了通用基模与实际执行技能之间的鸿沟。
核心技术与优势
- 中训练策略：区别于传统的预训练和后训练，中训练在两者之间插入了一层针对特定领域的训练。它将通用的“通识课”转化为工业领域的“专业课”，使模型在具备基础智能的同时，快速掌握分拣、搬运、上下料、装配等100个“原子动作”。
- 同构型数据聚焦：与跨本体混合训练不同，KUAVO VLA仅使用单一构型的真机数据。这种集中式学习减少了不同本体间的差异干扰，使模型能深度绑定本体特性，显著降低推理误差和执行抖动，提升动作平滑性与决策稳定性。
- 降本增效：
- 减少数据成本：无需采集海量开放世界数据，只需聚焦工位、物料和工艺流程，大幅降低数据采集、清洗和标注开销。
- 缩短开发周期：新任务开发从“重新学习”转变为“快速适配”，开发者可将资源集中在关键差异优化上，避免重复的数据采集和调试工作。
- 实际提效：在部分场景中可实现约一倍的效率提升，某些任务成功率可达100%。
Benchmark表现
在包含25项任务（20项定制化工业任务 + 5项公共GM100任务）的评估体系中，KUAVO VLA的表现如下：
- 综合排名：任务成功率 48.27%，过程分 74.51%，两项指标均位列第一。
- 对比基模：相较于通用基模 Lingbot-VLA 2.0（成功率16.27%，过程分42.06%），KUAVO VLA的成功率提升了32%，过程分提升了32.45%。
- 执行质量：在多步操作、连续抓放及狭小工位约束下，表现出更少的动作抖动、重复修正和决策迟滞。
生态与开发者支持
乐聚机器人强调对二次开发者的支持，认为“能让开发者赚到钱的平台才是好平台”。针对后训练耗时耗力、技能无法迁移等行业痛点，KUAVO VLA提供了更友好的二次开发环境：
- 工具链与服务：提供端到端的工具链、培训及专门的服务团队，直接解决开发者在实际场景中的问题。
- 降低门槛：通过预置的垂域能力，降低了技能开发的资金和时间门槛，使前沿开发工作从劳动密集型转向更高效的技术优化型。
- 开放兼容：不绑定特定基础模型，允许开发者在不同模型间迁移，享受性能提升的同时保持灵活性。
行业意义
KUAVO VLA的推出标志着具身智能落地范式的一种探索。通过将工业Know-how沉淀为模型能力，乐聚试图解决通用大模型在垂直领域“水土不服”的问题。随着更多开发者体验到该方案在效率和成本上的优势，垂域具身模型有望成为工业落地的主流技术路径之一。