樂聚機器人發布垂域具身模型 KUAVO VLA：經 600 小時真機中訓練，工業任務成功率達 48.27%

據《AI 科技評論》報導，樂聚機器人推出面向工業場景的垂域具身智能模型 KUAVO VLA。該模型定位為通用基礎模型與具身技能之間的「中間層」，透過「中訓練」解決預訓練模型難以直接落地、後訓練成本過高的問題。 KUAVO VLA 使用超過 600 小時的 KUAVO 同構型真機數據進行訓練，內建 100 項如分揀、搬運、上下料與裝配等「工業共性能力」，使模型能與單一本體深度綁定，減少跨本體資料差異的干擾。 在包含 20 項定制化工業任務與 5 項 GM100 公共任務的評估體系中，KUAVO VLA 整體任務成功率達 48.27%，過程分達 74.51%。報導指出，相較於對照組的通用基模 Lingbot-VLA 2.0（成功率 16.27%、過程分 42.06%），KUAVO VLA 表現位列第一，並在部分場景中實現約一倍的提效與最高 100% 的任務成功率。此架構旨在讓二次開發者能以快速適配取代重新學習，大幅降低資料採集與標註成本。