清华等提出 Harness VLA，无需重训让冻结机器人模型成功率大增
jiqizhixin · x · 2026-07-31
清华大学、Striding AI 和普渡大学等机构联合提出了 Harness VLA 框架，旨在解决机器人在环境布局变化或物体移动时难以稳定执行指令的问题。
该方法无需从头重新训练耗时的视觉语言动作模型（VLA），而是将冻结的 VLA 与一个智能规划器及基础指令库（如 MOVE TO, ROTATE, GRAB）相结合。规划器会利用历史成败经验进行记忆学习，决定在复杂接触任务中调用 VLA，在简单步骤中使用解析指令。
实验表明，该框架在 LIBERO-Pro 和 RoboCasa365 基准上分别以 38.6 和 25.4 个百分点超越了最强基线，并在 RoboTwin C2R 上达到 58.4% 的成功率，证明了冻结 VLA 模型的潜力可以被进一步挖掘。
「具身」频道最新
- Qlayers机器人替代高危人工，储罐喷涂效率提升六倍 — lukas_m_ziegler · 2026-07-31
- 50余家机构联手，打造全球最大触觉操作数据集 — RemiCadene · 2026-07-31
- 高通冲刺 AI 游戏时代：端侧算力将开发周期缩至 5 天 — 智东西 · 2026-07-31
- 专家揭示机器人演示视频的潜规则：所见即所得 — chris_j_paxton · 2026-07-31
- HiFi-UMI：机器人下一阶段突破靠更高保真数据而非大模型 — mattpocockuk · 2026-07-31
- 人形机器人造三明治前，格斗与陪伴市场已爆发 — cixliv · 2026-07-31