【CNMO 科技消息】8 月 26 日，乐聚机器人正式发布垂域大模型 KUAVO-VLA，并面向多渠道开源开放。KUAVO-VLA 是使用同构型真机数据进行基模二次训练得到的垂域模型，可以显著提升技能的成功率，并且大幅降低场景落地的开发成本。

乐聚机器人

据 CNMO 科技了解，KUAVO-VLA 的核心思路，是在通用基模与任务技能之间增加一层工业垂域模型，承担本体适配和领域能力沉淀的作用。从而为技能开发者提供更高的能力起点，既可显著提升技能成功率，也能在数据采集、训练和调试方面大幅降低模型落地的开发成本。

为选择基础模型并评估性能提升效果，Benchmark 共设置 25 项任务，包括 20 项定制化工业任务和 5 项来自公共任务集 GM100 的任务。前者重点检验模型对工业物料、工位及流程的适应能力，后者用于评估模型在公共任务上的迁移与泛化表现。对照模型包括 π 0.5、GR00T N1.7 和 Lingbot-VLA 2.0 三种通用基模。

经 Benchmark 对比，LingBot-VLA 2.0 在参测模型中综合表现最优，因此被选为 KUAVO-VLA 的能力基座，为其提供更高的通用能力起点。

以 LingBot-VLA 2.0 为基础，KUAVO-VLA 利用 600 余小时同构型高质量真机数据进行二次训练，持续、集中地学习统一的动作空间、运动特性和控制规律，从而减少不同本体数据差异对技能学习的干扰。

训练数据聚焦工业落地场景，覆盖分拣、搬运、上下料、装配等 100 项典型工业任务。通过多样化物料、工位与任务组合，模型得以沉淀出可复用的工业垂域操作能力。

在 25 项任务的综合评估中，KUAVO-VLA 的整体任务成功率为 48.27%，过程得分为 74.51%；而 Lingbot-VLA 2.0 的任务成功率为 16.27%，过程得分为 42.06%。KUAVO-VLA 的成功率高出 32 个百分点，约为后者的 2.97 倍；过程分高出 32.45 个百分点，约为后者的 1.77 倍。这充分证明了垂域训练对模型能力的显著提升。