乐聚机器人8月27日发布面向工业场景的垂域具身智能模型KUAVO VLA。据雷峰网AI科技评论独家消息，该模型以通用VLA基础模型为能力起点，利用600余小时KUAVO同构型真机数据进行中训练，在工业场景中可实现大约一倍的提效，部分任务成功率可达100%。在包含25项任务的基准测试中，KUAVO VLA的整体任务成功率和过程分均位列第一。

垂域具身模型被乐聚定义为通用基模与具身技能之间的“中间层”。如果说基础模型是具身大脑的“通识课”，垂域模型就是机器人在工业领域的“专业课”。该模型将本体适配、基础操作和工业场景的共性能力沉淀下来，涵盖分拣、搬运、上下料、装配等约100个“工业共性能力”，使机器人面对新任务时无需从头训练，即可通过“原子动作”快速完成适配。

KUAVO VLA的训练数据全部来自KUAVO单一构型，避免了跨本体数据差异对技能学习的干扰，模型与本体深度绑定，减少了推理误差，提升了执行效率。相比通用VLA模型，垂域模型显著降低了本体适配和场景数据采集成本，开发者训练新技能不必重复采集海量数据，可将资源集中在任务关键差异上，缩短了从基础模型到技能落地的开发路径。

基准测试方面，KUAVO VLA的评估体系共设置25项任务，包括20项定制化工业任务和5项来自公共任务集GM100的任务，对照模型为π0.5、GR00T N1.7和Lingbot-VLA 2.0。综合结果中，KUAVO VLA整体任务成功率达48.27%，过程分达74.51%，两项指标均位列第一。相较于基模Lingbot-VLA 2.0，成功率提升32个百分点，过程分提升32.45个百分点。真机运行中，模型的动作平滑性、决策稳定性与执行一致性明显改善，动作抖动和重复修正减少。

乐聚机器人常务副总裁柯真东表示，乐聚提供平台、模型和工具链，服务具身二次开发者。乐聚已举办具身开发比赛，并设置专门团队端到端帮助开发者解决问题，以开发者对工具链的真实反馈作为考核指标。柯真东认为，垂域模型能够让二次开发者用更少的重复工作实现技能交付，实打实获得收益，这也是乐聚未来在具身智能生态中最核心的竞争力。

乐聚方面称，KUAVO VLA不绑定基础模型，开发者可以自由在模型间迁移并享受性能提升。此次发布不仅是乐聚在具身版图的再下一城，也是行业在具身大脑技术范式上的一次探索。