獨家 | 樂聚發佈垂域具身模型：一倍工業提效，兩項榜單第一

如果說，基礎模型是具身大腦的“大學”通識課；那麼，垂域模型則是機器人在工業領域的“專業課”。作者丨董子博 編輯丨林覺民 今天要做世界模型，所有人都知道要做預訓練，來讓具身大腦變得更聰明；也知道要做後訓練，讓機器人可以在專門的任務下得到鍛鍊、做得更好。和不少公司聊過，AI 科技評論發現，談到中訓練（Mid-train）的公司卻很少。而實際上，在具身的實際落地中，卻存在一些原有方案不易解決的問題：當預訓練的 VLA 模型，沒法在具體的場景中發揮全部智能；而後訓練卻有時間、成本的門檻；在訓練技能的環節，也容易出現數採、訓練和調試的重複工作——VLA 落地要真正提效，中訓練或許才是破局的良方。

AI科技評論獨家獲悉，樂聚機器人將推出面向工業場景構建的“垂域具身智能模型”——KUAVO VLA。據瞭解，該模型以通用VLA 基礎模型為能力起點，使用 600+ 小時KUAVO 同構型真機數據進行了中訓練，將本體適配、基礎操作和工業場景的共性能力沉澱到模型中。樂聚機器人 KUAVO VLA 賦能下，在不少場景中可以實現大約一倍的提效，在某些任務中甚至可以做到100% 的成功率。模型中訓練，會成為具身工業落地的殺手鐧嗎？在這個仍然充滿未知的方向上，樂聚機器人先趟出了一條路。01什麼是“垂域具身模型”？

面對具體任務，基礎模型的智能能夠完成指令理解、任務規劃、物理世界預測的要求，但要機器人實際可以執行任務，後訓練往往需要投入千條以上的數據。而為了填補這個鴻溝，“垂域模型”，是樂聚機器人為KUAVO VLA 做出的全新定義。垂域模型，就是通用基模和具身技能之間的“中間層”，相當於在基模與技能之間插入了一層針對工業場景的一輪中訓練。樂聚的思路是：先把 KUAVO 本體能力和工業場景中的共性能力訓練進垂域模型，再把具體技能的學習範圍收斂到工業場景。模型可以因此獲得更高的能力起點——達到相同技能效果時，可以減少重複的數據採集、訓練和調試工作，把資源集中用於決定任務成敗的關鍵差異上。

新任務的開發邏輯，也因此從"重新學習"轉變為"在已有能力上快速適配"。在基模難以實際在本體中發揮智能時，垂域模型可以依靠詳細訓練過的 100 個“工業共性能力”，包括分揀、搬運、上下料、裝配等典型操作，讓模型省去繁複的後訓練步驟，可以快速依靠“原子動作”，找到完成任務的方式，甚至實現能力的泛化。與跨本體混合訓練不同，KUAVO VLA 訓練的真機數據全部來自KUAVO 單一構型，使得模型能夠持續、集中地學習同一套動作空間、運動特性和控制規律，減少不同本體之間的數據差異對技能學習的干擾。因此，模型的垂域能力能夠與本體深度綁定，顯著減少了模型在 KUAVO 上的推理誤差，讓本體的執行效率大幅提升。

總結下來，用簡單的話來講：如果說，基礎模型是具身大腦的“大學”通識課；那麼，垂域模型KUAVO VLA 則是機器人在工業領域的“專業課”——一個人聰不聰明，得看通識課懂的多不多；但他能不能真的在實際場景幹活，還得看他的專業課成績。在工業場景下，垂域具身模型的好處是顯而易見的。首先，它能夠減少本體適配成本。通用 VLA 覆蓋不同機器人本體和多種場景，數據中天然混雜大量跨本體樣本；當模型進入 KUAVO 真機時，仍需重新學習本體的動作空間、運動特性和控制規律。其次，它能減少場景端數據訓練的成本。

通用 VLA 模型面向開放泛化場景訓練，需要採集海量多樣化的現實場景數據，覆蓋各類環境、物體、任務，數據體量巨大、採集標註成本高昂。而工業垂域具身模型聚焦特定工業任務與作業環境，無需對全量開放世界做泛化訓練。可以複用工業現場真實作業樣本，聚焦工位、物料、工藝流程做數據構建，大幅降低無關場景的數據採集、清洗與標註開銷，實現用更少的數據完成任務收斂，提升模型訓練的投入產出比。此外，開發者訓練新的技能不再需要從頭開始，可以把資源和精力更多地投入到針對不同任務場景進行模型能力優化適配上，顯著縮短了從基礎模型到技能落地的開發路徑。

02Benchmark：兩項核心指標均列第一KUAVO VLA 的評估體系共設置 25 項任務，包括 20 項定製化工業任務，以及從公共任務集GM100 中選取的 5 項任務。前者檢驗模型對工業物料、工位和流程的適應能力，後者觀察在公共任務上的遷移與泛化表現。對照模型為 π 0.5、GR00T N1.7 和 Lingbot-VLA 2.0 三種通用基模。綜合結果中，KUAVO VLA 整體任務成功率達48.27%，過程分達74.51%，兩項指標均位列第一。相較於基模 Lingbot-VLA 2.0 ，其任務成功率為16.27%，過程分為 42.

06%——KUAVO VLA 成功率提升 32%；過程分提升 32.45%。成功率與過程分同步提升，說明垂域訓練帶來的收益不僅體現在任務是否完成，也體現在執行過程本身。在真機運行中，KUAVO VLA 表現出更好的動作平滑性、決策穩定性與執行一致性，動作抖動、重複修正和決策遲滯明顯減少——這些變化對於包含多步操作、連續抓放和狹小工位約束的工業任務尤為重要。03什麼樣的模型架構，才對二次開發更加友好？當前的具身公司們，已經開始逐漸開始認識到一個真理：想讓具身智能持續進化，一家公司的力量遠遠不夠——誰能服務好具身的二次開發者們，誰才能更早讓自己的數據飛輪轉起來、讓技術產品生態活起來。

對這件事，樂聚機器人的理解很通透，樂聚常務副總裁柯真東對 AI 科技評論表示：“未來會有很多具身開發者，要沉到行業裡去，在場景裡把相應的技能調出來——為了他們，樂聚提供的就是平臺、模型和工具鏈等等。”這段時間裡，樂聚辦了不少具身開發的比賽，找到了不少優秀的開發者，給他們配置了工具鏈、機器人的培訓，並且設置了一整個服務二次開發生態的團隊，直接端到端地幫助開發者解決他們實際遇到的問題。對這個服務團隊來說，柯真東對 AI 科技評論分享，拿到用戶真實的對工具鏈的反饋、並實際解決他們的問題，就是他們的考核指標。

而在密切的接觸中，樂聚機器人慢慢明白了一個樸素的“真理”：對二次開發團隊來說，能夠讓他們賺到錢的平臺，就是最好的平臺。但時下，大多數的開發者都已經發現，要做好模型的後訓練，不僅消耗大量時間，也需要千條以上的數據；而面對不同類型的任務，開發者的工作無法完成遷移，也就更談不上積累，工作重複、算力浪費的現象時有發生，讓時下最前沿的開發工作，變成了最低級的勞動密集型“苦工”。即使解決了這些問題，由於模型和本體耦合程度不足，導致模型的推理和控制能力無法發揮，二次開發者的實際交付效果也時常不盡如人意。KUAVO VLA 的出現，最直接的受益者就是具身的二次開發者們。

過去耗時、耗錢的技能開發，現在可以用效率更高、浪費更少的方式完成，並且門檻更低、過程更快、效果更好——這是可以讓開發者們，可以實打實賺到真金白銀的方法。“我們希望在未來，能夠給二開（二次開發）提供一個更好的環境——這也是未來樂聚在整個具身智能大生態裡，我們最核心的競爭力。”樂聚常務副總裁柯真東如此對AI 科技評論表示道。04結語環顧具身行業，能夠做出 KUAVO VLA 這樣成果的公司，其實並不算多。

在前沿技術上，樂聚有探索的眼光，才能發現後訓練在模型落地時的掣肘、找到垂域模型的方案；在工業領域，樂聚有實踐的經驗，才能歸納出機器人最有價值的“原子動作”；同時，樂聚不只在真實產線，還在自家行業領先的訓練場裡，獲得了海量的、適合中訓練的數據；並且，樂聚不綁定基礎模型，就可以通過合作的方式，讓開發者自由地在模型間遷移，並能夠享受到性能的提升。KUAVO VLA 的誕生，不僅是樂聚在具身版圖上的再下一城，更是行業在具身大腦技術範式上的一次新的探索——當更多開發者實打實地嚐到了 KUAVO-VLA 的甜頭，或許就是垂域模型的方案真正成為一種“顯學”的時刻。

在柯真東的心裡，樂聚在做的垂域模型，就是一種“讓鞋子上沾泥”的事情——是把腳深深地踩進實際的場景中，讓幾年來樂聚積累的工業 Know-how 實際積累到模型當中，並通過 KUAVO-VLA，幫助更多二次開發者拿到訂單，支撐他們長遠地走下去。上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。