机器人公司开始使用别人的“大脑”，自己还要研发什么？

本文来自微信公众号： 具身志 ，编辑：|越十三，作者：仲庆元报道提要不从零训练基础模型，机器人公司就能少做多少研发？乐聚借用蚂蚁灵波的模型训练工业操作，星海图也在同时开发和使用外部模型。

技术成果正在跨企业流动，但机器人真正会干活，仍需自己练。11月5日，三家中国公司开发的机器人模型，出现在同一份开源软件更新名单里。它们分别是星海图的G0.5、蚂蚁灵波的LingBot-VLA 2.0，以及自变量的Wall-OSS-0.5，虽然由不同团队开发，技术架构也不一样，如今却都获得了LeRobot 0.7的新版本支持。

这看起来只是一条软件更新的消息。但在这份名单出现之前，中国机器人企业之间已经发生了一些更有意思的事情。今年8月，乐聚发布了一款面向工业操作的机器人模型KUAVO-VLA-1.0。在一项名为“舍弗勒小件上料”的真机评测中，它的任务成功率达到60%，而采用相同基础模型、同样接受过针对性任务训练的对照方案，成功率只有27%。

有意思的地方在于，这两套方案其实有同一个起点。乐聚并没有从零开始训练自己的基础模型，而是采用了蚂蚁灵波的LingBot-VLA 2.0，再用自己的680小时工业操作数据继续训练，最终得到了一款更适合自家机器人的模型。

另一家开发机器人模型的公司星海图，情况还要复杂一些。它不仅研发自己的模型，还为蚂蚁灵波提供过硬件、数据与测试支持，如今又在自家的开发平台中集成其他公司的模型。原本看起来各自竞争的机器人企业，开始在不同研发环节使用彼此的成果。

这带来了一个值得追问的问题：当机器人公司已经可以使用别人开发的“大脑”，它们自己还需要研发什么？一套外部模型，如何变成乐聚自己的机器人能力？乐聚并不是在今年8月才开始接触外部模型。

5月30日，其开源项目LeTools-Learning便宣布支持多种已有机器人模型，包括π系列、GR00T和LingBot-VLA等。对于一家制造人形机器人的公司来说，能够接入更多模型，意味着开发者有机会在自家机器人硬件上尝试不同的算法。

不过，这些模型并不是下载之后就能直接使用。Kuavo有自己的关节、相机、末端执行器和控制系统。不同模型则使用不同的数据结构、动作表示和推理程序。例如，一项双臂操作的数据，除了记录机器人看到了什么，还需要包含左右手臂的位置、动作变化，以及这些信息与相机画面的对应关系。

换一款机器人，关节配置或者末端执行器不同，原来的数据处理方式就可能需要调整。乐聚因此专门开发了自己的工具链。在公开的LeTools-Learning项目里，可以看到数据转换、模型训练、推理服务和机器人部署等不同模块。

开发者需要把Kuavo采集的原始ROS数据整理成模型可以读取的数据集，再根据具体型号、单臂或双臂配置以及末端执行器，完成相应适配。这些工作没有因为使用外部模型而消失。不过，乐聚也没有选择每次都从头训练一套通用模型。

8月26日推出的KUAVO-VLA-1.0，直接使用蚂蚁灵波的LingBot-VLA 2.0作为基础。接下来，乐聚做了一件更接近机器人自身业务的事情：用自己的真机数据，让外部模型进一步学习工业操作。

它积累了680小时双臂遥操作数据，覆盖100项工业任务，包括零件抓放、分拣、装配、包装和工具操作等，共形成约5.88万段操作示教。这些数据并不是工作人员拿着摄像机拍下的工厂视频，而是人通过遥操作设备控制真实的Kuavo机器人完成任务。

采集数据中，系统同步记录机器人头部和手腕相机的画面，以及机械臂状态、操作轨迹等信息。随后，采集的数据经过人工审核、格式转换和自动筛选，才会进入训练系统。对模型来说，这些数据提供的不只是物体的外观，还有一台具体机器人怎样完成操作的经验。

乐聚先使用这100项任务的数据，对LingBot-VLA 2.0进行工业领域再训练，试图让模型获得更适合Kuavo的工业操作能力。可到此还没结束。当机器人真正面对某项具体工作时，乐聚还会围绕该任务进行后训练。

这相当于把研发工作分成了不同层次：基础模型提供已经学到的视觉、语言和动作能力，工业领域再训练让它熟悉一类工作，而最后的专项训练，则让机器人进一步适应具体任务。乐聚没有重新制造所有能力，也没有把外部模型直接当成成品，它选择在已有基础上，继续建立自己的工业操作能力。

问题是：这种做法究竟带来了多大变化？同一个“大脑”，有些工作学会了，有些还是不会乐聚公布了一份25项操作任务的真机评测成绩单。其中20项属于此前工业领域训练数据覆盖的任务，另外5项则来自公开的GM100任务集，没有进入第一阶段训练数据。

因此，这不是让机器人拿到一个陌生任务便直接尝试的零样本测试，而是比较不同模型经过相应训练后，在具体任务上的表现。“舍弗勒小件上料”是其中一项。按照乐聚技术报告中的任务描述，机器人需要从料箱中抓取零件，再将它们放到传送带上。

动作听起来并不复杂，但机器人需要完成从识别目标、控制抓取到移动放置的一连串操作，任何一个环节失败，都可能让整项任务无法完成。根据乐聚公布的结果，以LingBot-VLA 2.0为基础的KUAVO-VLA-1.0，完整任务成功率达到60%。

作为对照的方案，直接从LingBot-VLA 2.0进行专项训练成功率为27%。也就是说，在同一套评测条件下，经过工业领域再训练的模型，完成这项任务的比例明显提高。进一步看，两款模型的过程分分别为88%和52%。

过程分统计的是机器人在操作中完成了多少步骤，即使最终没有完成全部任务，也会计入已经完成的部分。这组结果很有代表性。工业操作往往不是一次简单的抓取。机器人可能需要识别目标、抓住零件、调整位置，再将其放到指定区域。

任何一个环节失败，都可能使完整任务无法完成。不过，乐聚并没有公布足够细致的逐次失败分析，因此还不能确定模型究竟在哪个动作上取得了改善。而且，如果继续翻看这份成绩单，还会发现一些不那么漂亮的结果。

在“零件尺寸分拣”任务中，KUAVO-VLA-1.0的完整任务成功率仍然为0%。在“快消品双手协调上料”任务中，它取得了60%的成功率，却低于另一款参与对照的模型π0.5的80%。

换言之，经过工业领域再训练的模型，并不是在所有任务上都表现最好。甚至同一套模型，在不同工业操作之间，也可能出现很大的能力差距。因此，对乐聚来说，借用蚂蚁灵波的基础模型，只是研发工作的一部分仍然需要回答一个更实际的问题：怎样让这套模型学会使用Kuavo的双手，完成公司希望进入的工业任务？

680小时的数据、工业领域再训练、具体任务的后训练，以及机器人自身的控制适配，都是围绕这个问题展开的。而且，这些工作也未必一次完成就能结束。一种任务的成功率提高了，另一种任务仍然可能失败。

即使是相似的抓取和放置操作，只要零件、操作顺序或工作条件发生变化，都可能需要新的训练和验证。乐聚的实验也不能证明，采用外部模型一定节省了多少研发成本，或者经过再训练的模型已经可以稳定进入工厂。

但它至少提供了一个真实的开发案例：机器人公司不必从零开发全部模型能力，却仍然需要通过自己的数据和工程工作，把外部模型变成适合具体机器人的能力。过去，人们常常把机器人公司的技术竞争理解为谁拥有更强的“大脑”。

现在，至少在乐聚的实践中，基础模型从哪里来，与机器人最终能完成什么工作，已经可以是两个不同的问题。不过，乐聚仍然主要是外部模型的使用者。在另一家公司身上，模型开发者与使用者的关系已经没有这么简单。

谁是模型开发者，谁又是使用者？今年2月，蚂蚁灵波开源早期LingBot-VLA模型时，星海图出现在了它的技术合作名单里。这不是一次普通的软件适配。据公开报道，星海图在数据支持、评测验证和跨机器人本体部署等方面，为LingBot-VLA提供了技术支撑。

其R1 Pro机器人也是这一模型研发验证使用的重要硬件平台之一。换句话说，蚂蚁灵波开发一套面向不同机器人的基础模型，需要借助星海图的真实机器人和相关技术条件来验证。这一点并不难理解。

机器人模型不同于只处理文字的语言模型。它输出的动作最终要由机械臂、关节和末端执行器完成。模型是否能够在不同构型的机器人上工作，需要真实硬件提供验证条件。一家公司即使拥有很强的模型研发能力，也未必需要自己制造所有实验用的机器人。

而星海图的特殊之处在于，它并不只是为别人提供硬件。今年6月，星海图发布自研具身智能基础模型G0.5。与此同时，它也在建设自己的机器人开发平台EDP。在EDP这个平台的公开介绍中，除了G0.5等自研模型，还列出了Physical Intelligence的π0、π0.5，以及蚂蚁灵波LingBot-VLA等外部模型。

星海图希望开发者能够在同一套平台上完成数据管理、模型后训练、部署和评测等工作。据了解，星海图已将这些模型列入支持范围，但未进一步透露，每款模型是否都经过完整的第三方真机验证，或已经形成大规模商业使用。

但即便如此，这组事实已经足够有意思。在蚂蚁灵波研发模型时，星海图可以提供机器人硬件、数据和评测支持。在开发自己的G0.5时，它又成为基础模型的提供者。而在EDP平台中，它还将其他公司开发的模型纳入可支持的范围。

如果再回头看乐聚的LeTools-Learning，会发现它的外部模型支持名单中，如今也列出了星海图的G0.5。这就形成了一个颇为特别的关系。蚂蚁灵波的模型，可以成为乐聚工业模型的基础。

星海图的机器人硬件、数据和测试条件，可以参与蚂蚁灵波模型的开发与验证。星海图自己开发的模型，又进入乐聚的工具链和LeRobot的公共开发生态。原本可能被简单归类为模型公司、机器人制造商和工具平台的企业，实际上正在不同研发环节交换角色。

当然，这不等于这些公司已经共同建设了一个统一的模型体系。但这些关系至少揭示了一件事：在机器人产业，自己开发模型与使用别人的模型，并不矛盾；提供机器人硬件与参与模型研发，也不一定是两门互不相干的生意。

一家企业既可以从别人那里获得技术，也可以在另一个环节成为别人研发所依赖的技术提供者。这与人们熟悉的“模型公司开发大脑，机器人公司采购大脑”的简单分工，有明显区别。那么，当不同公司都在开发模型、使用模型，也都在建设自己的工具时，行业是否还需要一套共同的开发基础设施？

11月5日的LeRobot更新，恰好提供了一个观察窗口。共同的工具箱，还装不下所有工作LeRobot 0.7并不是机器人公司开始使用外部模型的起点。乐聚早在5月就已经公开支持多种外部模型，8月发布了自己的工业垂域模型；

星海图与蚂蚁灵波的合作，更早在年初就已发生。但这些原本分散的技术关系，正在公共工具中拥有更多交集。这次更新中，有一项变化尤其能够说明共同开发工具正在解决什么问题：机器人训练数据不再需要事先全部下载到本地。

过去，一套规模很大的机器人操作数据，往往包含大量相机视频和对应的动作记录。开发者要用这些数据训练模型，首先可能需要解决如何存储、下载和读取的问题。LeRobot 0.7新增的数据流式读取机制，可以根据训练进度，从远程数据集中读取实际需要的那部分视频内容，而不必先把整个数据集搬到本地。

对于使用同一种数据格式的不同开发团队来说，这意味着可以复用已有的数据读取和训练组织工具，不必都从头开发一套处理大型视频数据的程序。这项能力并不能保证每个项目都获得相同的训练加速，也不能替企业解决数据采集和质量问题。

但它确实把一部分重复的软件工程工作交给了共同维护的工具。同一套工具现在还能够支持来自不同公司的更多模型。这意味着，越来越多开发工作可以从别人已经完成的模型和软件基础上开始。但乐聚和星海图的实践，也说明了这种复用的边界。

一套公共工具能够帮助开发者组织训练，却不会自动知道Kuavo双臂机器人该怎样抓取一个零件。一个外部基础模型可以提供已有的操作能力，却不能保证另一款机器人在新的任务中直接取得同样成绩。

即使模型、数据和工具都能被共享，具体机器人需要的本体控制、任务训练和测试验证，仍然需要继续完成。乐聚使用蚂蚁灵波的模型，又投入自己的工业数据和训练系统；星海图开发G0.5，也为其他公司的模型提供硬件和数据、评测支持。

现在值得关注的，已经不只是有多少家公司开源了机器人模型，而是这些模型进入其他公司的研发体系之后，究竟还能被开发出什么能力。乐聚那份25项任务的成绩单，给出了一个尚不完美、却很具体的答案。

同一基础模型经过工业领域训练和针对性开发，在部分任务上取得了更好的成绩；但另一些看起来相近的工业操作，它仍然无法完整完成。机器人公司可以借来别人已经训练好的“大脑”，却不能因此跳过让机器人真正学会工作的过程。

模型从哪里来，正在变得可以选择；机器人最终能做什么，仍然要靠一家家企业在真实硬件和具体任务上继续验证。END