樂聚機器人今日宣佈推出面向工業場景的垂域具身智慧模型 KUAVO VLA。該模型以通用VLA基礎模型為能力起點，使用 600+小時 的KUAVO同構型真機資料進行中訓練，將本體適配、基礎操作和工業場景的共效能力沉澱到模型中。據樂聚介紹，在KUAVO VLA賦能下，不少工業場景可實現約 一倍 的提效，某些任務成功率甚至達到 100%。

在具身智慧領域，預訓練和後訓練是常見範式，但樂聚此次強調的 中訓練（Mid-train） 卻鮮有公司提及。預訓練的VLA模型在具體場景中往往無法發揮全部智慧，而後訓練則面臨時間和成本門檻，且技能訓練環節容易出現數據採集、訓練和除錯的重複工作。樂聚認為，中訓練或許是VLA落地提效的破局良方。

KUAVO VLA被定義為“垂域模型”，即通用基模與具身技能之間的“中間層”。樂聚先將KUAVO本體能力和工業場景中的共效能力訓練進模型，再將具體技能的學習範圍收斂到工業場景，從而獲得更高的能力起點。模型詳細訓練了 100個“工業共效能力”，包括分揀、搬運、上下料、裝配等典型操作，使模型能快速依靠“原子動作”完成任務，甚至實現能力泛化。

與跨本體混合訓練不同，KUAVO VLA的訓練資料全部來自KUAVO單一構型，使模型能持續學習同一套動作空間、運動特性和控制規律，減少不同本體資料差異的干擾，從而顯著降低推理誤差，提升執行效率。

在評估方面，KUAVO VLA的測試體系共設 25項任務，包括20項定製化工業任務和5項來自公共任務集GM100的任務，對照模型為 π 0.5、GR00T N1.7和Lingbot-VLA 2.0 三種通用基模。綜合結果顯示，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。相較基模Lingbot-VLA 2.0（任務成功率16.27%、過程分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，說明垂域訓練不僅影響任務完成與否，也改善了執行過程，真機執行中動作平滑性、決策穩定性與執行一致性均有提升。

樂聚常務副總裁柯真東表示，未來會有很多具身開發者深入行業，在場景中調出相應技能，樂聚將提供平台、模型和工具鏈等支援。樂聚已舉辦多場具身開發比賽，併為二次開發者配置工具鏈、機器人培訓，還設有專門服務團隊，端到端幫助開發者解決問題。柯真東認為，對二次開發團隊而言，能讓他們賺到錢的平台就是最好的平台。

當前許多開發者面臨後訓練耗時耗力、資料需求大、任務遷移困難等問題，導致工作重複、算力浪費。KUAVO VLA的出現有望改變這一局面，使技能開發更高效、門檻更低、過程更快、效果更好。柯真東強調，為二次開發提供更好的環境，是樂聚未來在具身智慧大生態中的核心競爭力。

樂聚表示，KUAVO VLA的誕生不僅是其在具身版圖上的進展，也是行業在具身大腦技術範式上的一次新探索。當更多開發者實際受益於KUAVO VLA，垂域模型方案或將成為一種主流路徑。