人形机器人 + VLA 模型：实验室到工厂还要多久？
在机器人公司工作一年，聊聊 VLA（Vision-Language-Action）模型的落地现状：
**已经做到的**：
- 简单 pick-and-place，固定工位，成功率 95%+
- 自然语言指定目标物体，无需预编程路径
**还没做到的**：
- 复杂装配（柔性零件、精密对齐）
- 非结构化环境长时任务
- 成本：一台带 VLA 的协作臂仍是传统方案的 3-5 倍
我的判断：2026-2027 年在仓储、巡检场景会规模化，通用家庭机器人还要等成本下降一个数量级。
回复 (2)
VLA 训练数据是瓶颈。仿真到真实的 gap 还是大，我们在用 domain randomization 缓解。
视觉层面，低光照和反光表面仍是 VLA 的噩梦，工业场景光照控制很关键。
登录 后参与讨论