乐聚机器人今日宣布推出面向工业场景的垂域具身智能模型 KUAVO VLA。该模型以通用VLA基础模型为能力起点，使用 600+小时 的KUAVO同构型真机数据进行中训练，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。据乐聚介绍，在KUAVO VLA赋能下，不少工业场景可实现约 一倍 的提效，某些任务成功率甚至达到 100%。

在具身智能领域，预训练和后训练是常见范式，但乐聚此次强调的 中训练（Mid-train） 却鲜有公司提及。预训练的VLA模型在具体场景中往往无法发挥全部智能，而后训练则面临时间和成本门槛，且技能训练环节容易出现数据采集、训练和调试的重复工作。乐聚认为，中训练或许是VLA落地提效的破局良方。

KUAVO VLA被定义为“垂域模型”，即通用基模与具身技能之间的“中间层”。乐聚先将KUAVO本体能力和工业场景中的共性能力训练进模型，再将具体技能的学习范围收敛到工业场景，从而获得更高的能力起点。模型详细训练了 100个“工业共性能力”，包括分拣、搬运、上下料、装配等典型操作，使模型能快速依靠“原子动作”完成任务，甚至实现能力泛化。

与跨本体混合训练不同，KUAVO VLA的训练数据全部来自KUAVO单一构型，使模型能持续学习同一套动作空间、运动特性和控制规律，减少不同本体数据差异的干扰，从而显著降低推理误差，提升执行效率。

在评估方面，KUAVO VLA的测试体系共设 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，对照模型为 π 0.5、GR00T N1.7和Lingbot-VLA 2.0 三种通用基模。综合结果显示，KUAVO VLA整体任务成功率达 48.27%，过程分达 74.51%，两项指标均位列第一。相较基模Lingbot-VLA 2.0（任务成功率16.27%、过程分42.06%），KUAVO VLA成功率提升 32%，过程分提升 32.45%。成功率与过程分同步提升，说明垂域训练不仅影响任务完成与否，也改善了执行过程，真机运行中动作平滑性、决策稳定性与执行一致性均有提升。

乐聚常务副总裁柯真东表示，未来会有很多具身开发者深入行业，在场景中调出相应技能，乐聚将提供平台、模型和工具链等支持。乐聚已举办多场具身开发比赛，并为二次开发者配置工具链、机器人培训，还设有专门服务团队，端到端帮助开发者解决问题。柯真东认为，对二次开发团队而言，能让他们赚到钱的平台就是最好的平台。

当前许多开发者面临后训练耗时耗力、数据需求大、任务迁移困难等问题，导致工作重复、算力浪费。KUAVO VLA的出现有望改变这一局面，使技能开发更高效、门槛更低、过程更快、效果更好。柯真东强调，为二次开发提供更好的环境，是乐聚未来在具身智能大生态中的核心竞争力。

乐聚表示，KUAVO VLA的诞生不仅是其在具身版图上的进展，也是行业在具身大脑技术范式上的一次新探索。当更多开发者实际受益于KUAVO VLA，垂域模型方案或将成为一种主流路径。