StarVLA 开源 VLAct：16 张 GPU 训出 VLA 底座，20% 数据超 NVIDIA GR00T N1.6
机器之心 · wechat · 2026-09-06
StarVLA 团队发布面向 VLA 的 VLM 底座 VLAct，continued pre-training 仅用开源数据和 16 张 GPU：RoboTwin 2.0 成功率达 92.5%，RoboDojo 榜单超过所有 World Action Model，在从未见过的 GR-1 机器人上仅用 20% 下游数据即超过 NVIDIA GR00T N1.6 全量数据基线。模型、代码与 Pipeline 全部开源。
核心发现是一个反常识现象：单种 Action Head 下策略变强，不代表 Backbone 更通用——换用其他 Head 性能反而下降，论文称之为 head-specific representation collapse。VLAct 的应对：保护 VLM 原有视觉语言先验并混入 Caption 数据；同时挂 OFT、PI、GR00T 三种连续 Action Head 联合监督，训练后全部丢弃、下游重新初始化；只统一跨本体一致的 Action 维度。基于 Qwen3-VL-4B，主张表征质量应成为 VLA Scaling 中独立于数据规模的一条轴线。
「具身」频道最新
- 小鹏 IRON 产线亮相:核心工序自动化率超 80%,瞄准 2026 年底量产 — ingliguori · 2026-10-23
- 港大 TILDE:从具身基础模型蒸馏机器人策略 — hkuhk · 2026-10-23
- 机器人公司实测：12 台测试机器人中 10 台无需微调即可上手 — micoolcho · 2026-10-23
- EmbodiedEvo:让机器人智能体在试错中积累 Skills 与 Lessons 自我进化 — jiqizhixin · 2026-10-23
- KAIST FRED 自蒸馏改进世界动作模型，人转机器人技能成功率 19.4%→50% — kaist-ai · 2026-10-23
- GALAX 推出全球首款双 12V-2x6 接口 RTX 5080,售价 3000 美元 — chemist_slime · 2026-10-23