首页 / 资讯详情
独家 | 乐聚发布垂域具身模型：一倍工业提效，两项榜单第一
摘要
如果说，基础模型是具身大脑的“大学”通识课；那么，垂域模型则是机器人在工业领域的“专业课”。 作者丨董子博 编辑丨林觉民 今天要做世界模型，所有人都知道要做预训练，来让具身大脑变得更聪明；也知道要做后训练，让机器人可以在专门的任务下得到锻炼、做得更好。和不少公司聊过，AI 科技评论发现，谈到中训练（Mid-train）的公司却很少。而实际上，在具身的实际落地中，却存在一些原有方案不易解决的问题：当预训练的 VLA 模型，没法在具体的场景中发挥全部智能；而后训练却有时间、成本的门槛；在训练技能的环节，也容易出现数采、训练和调试的重复工作——VLA 落地要真正提效，中训练或许才是破局的良方。AI科技评论独家获悉，乐聚机器人将推出面向工业场景构建的“垂域具身智能模型”——KUAVO VLA。据了解，该模型以通用VLA 基础模型为能力起点，使用 600+ 小时KUAVO 同构型真机数据进行了中训练，将本体适配、基础操作和工业场景的共性能力沉淀到模型中。乐聚机器人 KUAVO VLA 赋能下，在不少场景中可以实现大约一倍的提效，在某些任务中甚至可以做到100% 的成功率。模型中训练，会成为具身工业落地的杀手锏吗？在这个仍然充满未知的方向上，乐聚机器人先趟出了一条路。01什么是“垂域具身模型”？面对具体任务，基础模型的智能能够完成指令理解、任务规划、物理世界预测的要求，但要机器人实际可以执行任务，后训练往往需要投入千条以上的数据。而为了填补这个鸿沟，“垂域模型”，是乐聚机器人为KUAVO VLA 做出的全新定义。垂域模型，就是通用基模和具身技能之间的“中间层”，相当于在基模与技能之间插入了一层针对工业场景的一轮中训练。乐聚的思路是：先把 KUAVO 本体能力和工业场景中的共性能力训练进垂域模型，再把具体技能的学习范围收敛到工业场景。模型可以因此获得更高的能力起点——达到相同技能效果时，可以减少重复的数据采集、训练和调试工作，把资源集中用于决定任务成败的关键差异上。新任务的开发逻辑，也因此从"重新学习"转变为"在已有能力上快速适配"。在基模难以实际在本体中发挥智能时，垂域模型可以依靠详细训练过的 100 个“工业共性能力”，包括分拣、搬运、上下料、装配等典型操作，让模型省去繁复的后训练步骤，可以快速依靠“原子动作”，找到完成任务的方式，甚至实现能力的泛化。与跨本体混合训练不同，KUAVO VLA 训练的真机数据全部来自KUAVO 单一构型，使得模型能够持续、集中地学习同一套动作空间、运动特性和控制规律，减少不同本体之间的数据差异对技能学习的干扰。因此，模型的垂域能力能够与本体深度绑定，显著减少了模型在 KUAVO 上的推理误差，让本体的执行效率大幅提升。总结下来，用简单的话来讲：如果说，基础模型是具身大脑的“大学”通识课；那么，垂域模型KUAVO VLA 则是机器人在工业领域的“专业课”——一个人聪不聪明，得看通识课懂的多不多；但他能不能真的在实际场景干活，还得看他的专业课成绩。在工业场景下，垂域具身模型的好处是显而易见的。首先，它能够减少本体适配成本。通用 VLA 覆盖不同机器人本体和多种场景，数据中天然混杂大量跨本体样本；当模型进入 KUAVO 真机时，仍需重新学习本体的动作空间、运动特性和控制规律。其次