头图：具身智能行业图片

大好，我是瓦力，具身算法接洽员。

先说个事情。前阵咱们找外包采了批遥操数据，三百多条。后能进考试集的，百条露面。剩下的两百条数据，有行为夷犹、结尾定位偏差、要津帧被阻止的。条条看数据，确切挺熬东谈主。历程都对，东谈主也到位，钱也花了，恶果泰半的数据都没方针用。

我敬佩这亦然大部分作念算法的本质感受。模子调到定进程，瓶颈基本都不在模子自身，是喂进去的数据。并且这个问题还不是用钱堆量就能解决的。你跟外包把需求讲了半天，对点头说懂了，采出来的东西解说压根没懂。

卡到其后，我驱动四处问东谈主，有莫得靠谱的方针能把数采作念塌实点。问了身边搞具身的同学，发现大碰到的问题大差不差，然后有个一又友给我指了条路，说不错问问数采厂。

我驱动是不敬佩的。数采厂嘛，外乎把历程作念表率、把东谈主宰好。外包的东谈主也大多是他们提供。本质厂商和标注公司我也构兵过，大同小异。

抱着取经的魄力，我如故问了下之前天南构兵过的几公司。聊完之后，我才发现我方想的有些窄了。他们想干的，不只单是把网罗历程化得好。有些公司以致想作念大的事情，把数据和模子这两件事，融在起。

这厂是乐聚，我差未几从他们那里找到了些有利念念的念念路，是以和大共享下know how。

1. 采数据这件事，外包只可处分半

先把问题说知晓。

现时行业里采数据，大多数是两拨东谈主。拨在考试端，懂模子、懂算法，知谈条好数据长什么样；另拨在网罗端，可能是外包，也可能是数据标注公司，认真遥操或者本质的数采。

这两拨东谈主之间，其实不太相识对。

考试端的东谈主，继续不会躬行去采几百小时。网罗端的东谈主，又基本碰不到模子考试。恶果即是，需求在传递的过程中层层失真。

比如我想告诉外包的同学说「我想要这个握取的构兵陡然稳点」，传到网罗端可能就酿成了「很慢的把东西握起来」。这中间丢掉的信息，其实即是我想要模子学习的东西。

所除外包能处分的，其实惟有半：量。它能给你堆出几百上千小时的数据。但另半，质，或者说跟模子需求的对皆，它给不了太多。

这让我想起之前写许华哲那篇时，Pete 抛过的个问题：全世界的机器东谈主学，该不该放下接洽年，门去网罗数据。

其时我的判断是不可真这样干，但确乎值得算法的同学试试。是以我也确切去试了试，就在乐聚那里。

我其时通过遥操把天平上的砝码放到盒子里的技巧，我对了好会儿才把大的砝码放进去。但从数据自身的角度，或者从东谈主类的角度，我以为应该很告成能放进去才对。

但你说数采员能作念的好么，我以为也不大可能了。

本质体验下来，我大的感受之即是：现时其实不是没东谈主采数据，是采回归的数据，和算法想要的还有很大的距离。

想要把数据作念成工业品，前提是采的东谈主得懂模子，懂模子的东谈主也得知谈网罗本质的景况。不然你历程作念得再程序，采的东西不定是模子需要的。

这即是为什么我说，外包只可处分半。不是外包不用功，是这套单干从结构上就注定了数据质地的天花板。

2. 数据和模子分不开，我以为有两层含义

聊到这，得说回乐聚让我以为有利念念的地。

好多东谈主讲「数据和模子分不开」，聊的都是名义：你得出奇据才能训模子。这层太浅了，谁都懂。我以为确凿的分不开，是两层。

层是硬件层。你得确切用过各的本质，才知谈不同构型的本质在采数据时会踩什么坑。轮臂的坑、双足的坑、不同贤人手的坑，都不样。 个只作念自本质的厂商，数据重点可能只会 focus 在自产物上，他莫得能源、也莫得场景去试水别本质的坑。乐聚参与缔造寰宇多个东谈主形考试场，他们本质的数目多，数采需求大。自身就在采全身运控、贤人手操作、轮臂基础运控这些不同构型的数据，它对跨本质的底层各别，相识是全的。

二层是组织层，这点障碍。采数据的东谈主，须懂算法要什么。前边说的问题，外包搞不定，本质厂商其实也隔着半谈墙，因为模子团队和数据团队常常是两拨东谈主、两个 KPI。

而乐聚此次干的事，是把数据工场和后考试算法库，作念到了起。网罗端和考试端，是同拨东谈主在对皆需求。采数据的技巧，脑子里装着的即是模子要什么。

这两层叠在起，才是完好的「数据和模子分不开」。我知谈这里有东谈主要反问：乐聚我方不亦然本质厂吗?夸父即是它的机器东谈主，凭什么说本质厂不行，它就行?

这个问题问得很对重庆塑料挤出机设备厂家 ，我我方的反应亦然这样。

但我周末在他们线下体验完，能嗅觉获取乐聚正在从个「本质」的公司，转向作念 infra，现阶段在作念的即是「网罗和考试对皆」。

三月份天南和大聊乐聚，就在说他们也要作念的具身基座，我体验完之后相沿这个主见。

是以他们此次发布的后考试系统，我以为是沿着这个向再进。

3. 四款本质里，唯跑通闭环的是双足

这套后考试系统主若是乐聚我方作念的，测试用的 LingBot-VLA预考试有效到乐聚的真机数据。

确凿让我感风趣的不是这个，是他们怎么去解说这套后考试系统。乐聚没只秀「我的本质跑通我的模子」，他们搭了两个向的对照。

横进取，以夸父 KUAVO 4 Pro 这台本质，去适配 5 个主流模子，看哪个证明好。纵进取，拿 LingBot-VLA 这个模子，放到 4 款不同本质上去跑，看各本质的适配情况。

这种横纵交叉的野心，是会表示站位的。

个纯本质厂，只会秀「我的本质加我作的模子，颖慧活」。个纯模子厂，只会秀「我的模子，在常见本质上能跑」。

惟有个把我方定位成中间层、定位成后考试这层的玩，才会良友去作念这种横纵交叉的对照。因为惟有站在中间，这两个向才都是你的业务。

有利念念的是纵向的恶果，参与的 4 款本质里，夸父是唯的双足东谈主形，并且它把整条闭环跑通了。双足是很难的本质，这个毋庸我多说。轮臂、机械臂底盘稳、行为空间规整，双足光是站着不晃就如故在耗尽堆截至余量。

把我方难啃的双足，放到蚂蚁的模子下面去跑。

我的解读是，乐聚这是把赌注摆明了：模子是谁的不障碍，本质是不是难的也不障碍，隔热条PA66生产设备他们押的是中间这套从真机数据到失败归因的闭环，能不可把难的组跑通。

固然，这个行为些许是作念给大看的，咱们暂且无论。但双足这关真跑通了，至少讲明这套闭环能 work。

这条闭环，通的是 真实机数据 → 模子后考试 → 多本质部署 → 真实机评测 → 失败归因回流。它 solid 的不是某段，是「回流」两个字，失败的案例能自动喂且归驱动下轮迭代。

站位，即是这样用个行为摆出来的。

4. 平均不到20的得胜率，我有些疑问

再聊点现实。

乐聚后考试在 95 个场景的横向测评里，平均得胜率(SR)是 17.59，平均过程得分(PS)是 36.22。坦率讲，17.59 的恶果，有点低。我的反应即是：这到底是数据不行，如故模子不行?

这个问题我也径直问了乐聚的认真东谈主，他们跟我解释的大约意念念如下：

，任务是确切难。这 95 个场景里，好多不是单步握放，而是致密插入、用具使用、擦抹袒护、小标的按压、动态构兵、巩固搬运、多阶段状态调遣。这些任务你换成东谈主手去作念，都得屏住呼吸。

我现场拍的测试过程，好逼迫易得胜的条。

二，真机扩充难。同个模子，换台机器东谈主，本质结构、结尾夹爪、相机视角、行为空间、截至频率全变，恶果随着变。这无意反证了前边说的，跨本质有多难。

三，SR 体现的并不完好。SR 只看后有莫得完好作念完，中间任何步崩了就算 0 分。而 PS 过程分才响应过程进到了哪步。复杂的多阶段任务，只盯着 SR 是不自制的，GM-100 论文也门说了这点，是以才另外界说了推断子任务完成度的方针。也即是说，PS 的 36.22 比 SR 能讲明模子真实的才调。

四，它考的是长尾泛化，不是悲伤。LingBot-VLA 论文里提到，测试集会大致 50 的行为，压根不在考试集前 100 频行为里。等于门挑模子没怎么见过的组来考，考的是举反三，不是背谜底。

讲到这，得直面个问题，我我方驱动亦然这样问的：就 150 条数据考试，会不会仅仅为了考证下历程跑得通，拿来比得胜率有点站不住脚? 乐聚的同学跟我强调，他们不是浅薄的历程考证，是小样本条目下的压力测试，外加次统预算的横向相比。

给扫数模子相同 150 条的后考试预算，自制地比谁泛化得好。在这个统预算下，LingBot-VLA 的两项方针都是，PS 比强基线 π0.5 出近 10 个点。

这个解释倒能说得通，不外倒也算是揭了真机职责的遮羞布。

通盘行业距离可靠的通用操作，差距还很大啊。

乐聚顺遂还作念了垂直场景的落地。相同这套系统，到了具体的场景，比如汽车制造里的料箱拆垛，综得胜率作念到了 95 以上，手段果从初的 30 露面，提到了 80 到 90。

个是通才压力测试上的 17.59，个是才落地场景里的 95。这两个数不矛盾，它恰正是「通才变才」这条路的凭据。

而把通才逼成才的，即是中间那套后考试系统。

5. 把通才逼成才的，是中间那套系统

这套系统的中枢，是个自研的后考试算法库。细节我不张开，Github上如故开源了。

挑两个我以为相比实在的，用东谈主话讲下。

个是针对「苍凉渐忘」的。

VLA 基模微调有个老舛误：生人段学会了，预考试阶段的资体式却丢了。乐聚用的是基于 LoRA 的轻量微调，你不错相识成，给模子注入生人段的技巧，尽量别去动它正本那套强大的先验，这样它濒临没见过的物体，泛化才调才不会塌。

另个是融了生成式世界模子的后考试。

传统 VLA 好多技巧是在机械地效法示范行为，并不睬解行为背后的物理因果。加了世界模子之后，至极于让模子动手之前，先在脑子里预演下「我这样操作，接下来会发生什么」，再据此选当下理的行为。说东谈主话即是，从背谜底，酿成了边理边干。

算法库之外，是三条用具链：数据网罗处理平台、后考试用具链、端侧部署测评用具链。

串起来，即是条从数据到现场的完好活水线。其中阿谁数据平台很戳我，它把程序化的数据清洗作念成了活水线，采完径直输出干净数据，听说能把正本 3 到 5 天的清洗工时压到天。

开源的代码库我周末也用他们数据跑了下，没什么很大的坑。

这套东西成不熟谙，还有个侧面的凭据：在刚完好意思的 ICRA 2026 的 REAL-I 挑战赛里，巨匠校的学生，依托乐聚绽开的数据集和全栈用具链，天之内就能从起步，把模子部署到真机上，跑通金属件翻正、日化瓶取放、快递包裹扫描这三个真实工业场景。

学生天，从到真机跑通。

能把上手门槛压到这个进程，讲明这套后考试系统，确乎在往「工业品」的向作念。

写在后头

回到驱动。我之是以去找乐聚，是因为我我方的数据采得不顺，外包采回归泰半不可用，根子在于采的东谈主不懂模子需求。

是以乐聚遴选我方通数据和模子，我以为他们如故有我方的想法。

在我的视角看来，他们想解决的可能是个结构问题：当搞数采的东谈主我方就懂算法，那么获取的每条数据都是带着模子需求的。

数据和模子，后头可能从数采的最先就走到起。

但还有两件事，我还有点疑问。

是模子用的蚂蚁的，乐聚作念的是后考试和数据，从我的体感上来说，这层的壁垒是短期如故永恒，现时还说不太准，如故说换个出奇据有算力的玩也能出来。

二是横向测评里低 SR 就摆在那儿，通盘行业对通用具身的预期如故不可太乐不雅，乐聚现时的先能不可保持，也要看后头的迭代。

从我的不雅感上来看，我仅仅以为数采厂我方作念模子和算法，起点上会有我方的念念考。况且本年通盘行业都在喊落地，搞运控的卷舞蹈，搞大脑的找落地场景（进庭/进工场），产业正在生息多数的开辟需求。

这样大的需求，只靠现时行业的算法团队限制压根吃不用。乐聚这套后考试体系定进程上裁减了开辟门槛，想加入但莫得素养的开辟团队也能快速参与进来。

-END-文安县建仓机械厂相关词条:铝皮保温     隔热条设备     钢绞线厂家玻璃棉    泡沫板橡塑板专用胶

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定重庆塑料挤出机设备厂家 ，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。