南洋理工等提出原生VLA模型NEO-VLA,冻结主干LIBERO成功率90.9%
机器之心 · wechat · 2026-11-15
南洋理工大学 S-Lab、商汤研究院与 Ropedia 团队发布 NEO-VLA,将原生视觉语言模型直接用于机器人动作学习,去掉了 CLIP/SigLIP 等独立视觉编码器,让动作专家直接读取 2B 原生主干 40 层中不同深度的表征。
论文通过系统对照实验给出三个关键发现:冻结主干时 NEO-VLA 在 LIBERO 上达到 90.9% 成功率,超过 Qwen3-VL(79.5%)和 Gemma-3(84.5%)全量微调后的成绩;干预实验显示第 0-10 层的浅层表征对动作预测尤为关键,替换这些层的 KV 表示会显著增加误差;动作后训练中混入多模态理解数据可保留理解能力并提升随机化场景成功率(69.4% vs 仅动作数据的 10.7%)。
预训练汇集九类公开数据集共 223 万条轨迹、约 1 万小时,统一了双臂 26 维加身体 8 维的动作格式。完整模型 LIBERO 平均成功率 97.4%;真机三个精细操作任务(每任务 50 条示范微调)的成功次数均不低于 π0.5,单张 RTX 3090 上约 0.26 秒生成一个 30 步动作块。论文、代码与模型均已开源。
「具身」频道最新
- RaiSim 对比 Newton 实测:小批量机器人仿真 CPU 反而比 GPU 快 95 倍 — ChongZzZhang · 2026-11-15
- CoRL 会后整活：研究者教 Unitree G1 机器人骑机械牛 — RemiCadene · 2026-11-15
- PrimeSim：3万小时视频训练的机器人世界模型，单卡A100实时生成 — jiqizhixin · 2026-11-15
- Claude 被称零训练操控机械臂完成精密加工任务,实为存疑 — IgorCarron · 2026-11-15
- Zipline 创始人:无人机送血起步,300 万次配送背后的 10 倍扩张法则 — a16z Podcast · 2026-11-15
- CMU 学生做 AI 电子宠物 OAT,E Ink 让绿植滑板都成「粘人」宠物 — Wired AI · 2026-11-15