机器人圈泼冷水:30 条 demo 训出的 VLA 只是视觉伺服
KyleMorgenstein · x · 2026-10-12
机器人研究者 @sincethestudy 转发并评论一条机器人 demo：作者 @vruga 展示的方案实为基于 UMI 数据采集的 ACT 策略，仅用约 30 条演示数据训练。批评者指出，在低数据量下训练的 VLA（视觉-语言-动作模型）本质上退化成了视觉伺服（visual servoing），暗示这类 demo 的能力被夸大，引发机器人圈关于 VLA 数据规模与真实能力的讨论。
「具身」频道最新
- 北大等发布 EmbodiedCLBench:首个具身持续学习基准 — PKU-VaLuE-Lab · 2026-10-12
- 丹麦 Hive Robotics 训练 Unitree G1 超市补货,2027 年初全自主 — Distinct-Question-16 · 2026-10-12
- 穿动捕服跑步采数据：从概念到产品只用一周 — nick_linck · 2026-10-12
- VA-Bench：模型定位目标近满分，全任务成功率却只有约一半 — jiqizhixin · 2026-10-12
- 树莓派跑通语音+人脸识别+机械脸，下一步攻克麦克风阵列降噪 — natesiggard · 2026-10-12
- RoboWorld Challenge 2026 启动：考察世界模型的预测与安全行动能力 — liuziwei7 · 2026-10-12