浙江大学 VLA 团队发布全新研究成果,自研的 2B 模型在对应任务上拿到 98.4% 的高成功率,这套模型核心是让机器人看懂物体的状态变化,传统机器人大多只能按固定轨迹完成动作,很难区分物体有没有被挪动、开合、变形,很难理解操作前后的状态差异,而这个 2B 模型会对比操作前、操作后的画面,自主识别状态有没有发生改变,以此判断任务有没有做成功,大幅提升机器人在家庭、仓储这类非结构化场景里的自主操作能力,该成果现阶段属于实验室验证阶段,距离大规模落地到商用机器人产品还有适配、硬件迭代的工作要推进。
- 研究主体:浙江大学 VLA 团队
- 核心成果:2B 模型,任务成功率 98.4%
- 核心能力:让机器人识别、判断物体状态变化
- 新旧机器人感知方案对比
- 模型适用任务清单
| 方案类型 | 判断逻辑 | 短板 |
|---|---|---|
| 传统机器人方案 | 固定点位、预设轨迹执行 | 不知道物体状态,失败了也很难察觉 |
| 浙大 2B 模型方案 | 对比前后帧画面,识别状态变化 | 需要配套视觉采集,对画面清晰度有要求 |
- 物体开合操作:抽屉、盒子、柜门开关识别
- 物体位移类任务:物品拿起、放置、挪动状态判别
- 物体形变类任务:瓶盖拧动、开关按压状态识别
- 任务结果自校验:机器人自主判断操作是否完成
- 技术价值说明
- 解决机器人 “做完不知道有没有成功” 的痛点
- 降低对精密定位传感器的依赖,依靠视觉就能校验结果
- 适合通用家用、服务、轻量仓储机器人的交互任务
【相关 FAQ】
问题 1:2B 模型拿下 98.4% 成功率,浙大 VLA 这项新成果怎么让机器人学会状态变化?
回答 1:浙大 VLA 的 2B 模型通过对比操作前后的视觉画面,识别物体的状态差异,98.4% 成功率是该任务测试结果,以此让机器人学会感知状态变化。
问题 2:浙大 VLA 的 2B 模型 98.4% 成功率,是不是代表机器人可以应对所有场景?
回答 2:2B 模型拿下 98.4% 成功率是限定测试集里的结果,浙大 VLA 这个成果在复杂遮挡、暗光场景稳定性会下降,还不能适配全部现实场景。
问题 3:搭载浙大 VLA 这个 2B 模型之后,机器人和普通机器人差别在哪?
回答 3:普通机器人只会执行动作,浙大 VLA 的 2B 模型可以让机器人看懂状态变化,做完动作之后自己判断任务有没有成功,容错能力更强。
【参考资料】
暂未抓取到公开详细报道源
【免责声明】
本文基于科研快讯整理,浙大 VLA 2B 模型 98.4% 成功率对应的测试条件、数据集范围、部署限制以浙江大学团队论文官方原文为准,实验室成果不代表可以直接量产落地,不构成机器人采购、项目选型参考。
