從走路、跳舞到后空翻，動作模仿教會了機(jī)器人「怎么動」，而到端盤子、分揀水果、熱食物等復(fù)雜操作時，機(jī)器人不能只模仿，更要識別復(fù)雜環(huán)境，理解「為什么做」的任務(wù)意圖，再轉(zhuǎn)化為「動手這么做」的連貫操作。

人類的行動，一般都依托于上下文和意圖，核心就在于推理。對機(jī)器人而言，盡管大規(guī)模互聯(lián)網(wǎng)數(shù)據(jù)讓GPT、DeepSeek等AI具備了不錯的推理能力，但讓AI在真實(shí)物理世界里通過推理“準(zhǔn)確動起來”，特別是處理多步驟長時序任務(wù)、模糊指令、未見過情景時，依然挑戰(zhàn)重重。

主流視覺-語言-動作VLA模型依賴"軌跡記憶"，通過海量數(shù)據(jù)學(xué)習(xí)"看到A+聽到B→做C"的映射。這種方式在標(biāo)準(zhǔn)場景表現(xiàn)尚可，但在開放環(huán)境中會暴露三大缺陷：抽象概念失效，比如理解"可樂"，卻不懂什么是"補(bǔ)充能量的飲料"；環(huán)境泛化困難，如白桌訓(xùn)練、到木桌失效；長時序任務(wù)崩潰，比如微波爐加熱需多步連貫操作，一步出錯則全盤皆輸。

AI機(jī)器人公司星塵智能提出端到端全身VLA模型——Lumo-1，旨在讓機(jī)器人心手合一，想清楚就干活，借助具身化VLM、跨本體聯(lián)合訓(xùn)練、推理-動作真機(jī)訓(xùn)練、以及強(qiáng)化學(xué)習(xí)校準(zhǔn)對齊等方式，配合繩驅(qū)機(jī)器人S1的高質(zhì)量真機(jī)訓(xùn)練，將大模型“心智”轉(zhuǎn)化為全身到手的絲滑操作。

項(xiàng)目頁面：www.astribot.com/research/Lumo1

技術(shù)報告：https://arxiv.org/pdf/2512.08580

Lumo-1展現(xiàn)了強(qiáng)大的操作智能與泛化能力，在多步驟長時序、精細(xì)靈巧操作、可泛化抓取放置等三大類核心操作任務(wù)中，全部超越了π0、π0.5等先進(jìn)模型，尤其在未見過的物體、場景和指令等分布外情況（Out of Distribution，簡稱OOD），以及抽象、模糊、需擴(kuò)展推理的指令中，優(yōu)勢更為明顯。

從"背菜譜"到"懂烹飪"

人類執(zhí)行復(fù)雜任務(wù)時不只是調(diào)用"動作庫"，而是實(shí)時進(jìn)行多層次推理——理解抽象語義、拆解子任務(wù)、感知空間關(guān)系、規(guī)劃運(yùn)動路徑。讓機(jī)器人像人一樣推理，就更能像人一樣行動。

"教會機(jī)器人思考推理，與喂飽它數(shù)據(jù)一樣重要。Lumo-1的三階段訓(xùn)練架構(gòu)：從具身化VLM，到跨本體聯(lián)合訓(xùn)練，再到推理-動作真機(jī)訓(xùn)練，最后用強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)推理與動作的校準(zhǔn)與對齊。

如同從"背誦菜譜"到"理解烹飪原理"，機(jī)器人開始擁有了"做決定"的能力。

Lumo-1展現(xiàn)了強(qiáng)大的操作智能與泛化能力，在多步驟長時序、精細(xì)靈巧操作、可泛化抓取放置等三大類核心機(jī)器人任務(wù)中，全部超越了π0、π0.5等先進(jìn)模型，尤其在未見過的物體、場景和指令等分布外情況（Out of Distribution，簡稱OOD），以及抽象、模糊、需擴(kuò)展推理的指令中，優(yōu)勢更為明顯。

通用抓取放置測試結(jié)果

長時序與靈巧操作任務(wù)對比結(jié)果

三階訓(xùn)練 VLM認(rèn)知轉(zhuǎn)化為VLA智能

 

Lumo-1 的訓(xùn)練不是堆規(guī)模，而是精心設(shè)計(jì)的「智力遷移」過程。

階段 1：具身化 VLM（Embodied VLM）。在精選的視覺-語言數(shù)據(jù)上持續(xù)預(yù)訓(xùn)練，讓模型具備空間理解、規(guī)劃、軌跡推斷等「具身語義」。在 7 個經(jīng)典具身推理基準(zhǔn)中大部分超過 RoboBrain-7B、Robix-7B 等專用模型。

精選數(shù)據(jù)集旨在不損傷預(yù)訓(xùn)練VLM的通用多模態(tài)理解與推理能力前提下，強(qiáng)化核心具身推理能力。

階段 2：跨本體聯(lián)合訓(xùn)練。融合跨機(jī)器人、多視角軌跡、VLM數(shù)據(jù)上聯(lián)合訓(xùn)練，強(qiáng)化了指令跟隨、物體定位與空間推理能力，使模型開始理解「動作是什么，與指令和觀測是什么關(guān)系」。

階段 3：真機(jī)推理-動作訓(xùn)練（S1軌跡）。利用繩驅(qū)機(jī)器人 Astribot S1 高度仿人的示教軌跡，進(jìn)行帶推理過程的動作訓(xùn)練，讓模型習(xí)得真實(shí)世界可執(zhí)行的動作模式，比如：怎么用雙手協(xié)同處理物體、如何執(zhí)行長序列操作、如何將推理一步步落實(shí)為軌跡等。

Astribot S1機(jī)器人上收集的樣本任務(wù)。這些任務(wù)涵蓋了廣泛的日?；顒樱杉圆煌奈矬w、光照條件及環(huán)境場景。每項(xiàng)任務(wù)均涉及復(fù)雜、長時序行為，可自然分解為多個子任務(wù)，包含多樣化的基礎(chǔ)動作單元，例如清掃、削皮、傾倒、刷洗、折疊、按壓和旋轉(zhuǎn)等

最后加入強(qiáng)化學(xué)習(xí)推理-行動對齊（RL Alignment），校準(zhǔn)對齊高級推理與低級動作之間的誤差，設(shè)計(jì)了視覺、動作與推理一致、動作執(zhí)行、推理格式等多維度的獎勵信號，通過基于GRPO的學(xué)習(xí)方案鼓勵模型選擇更準(zhǔn)確、連貫、符合物理規(guī)則的動作。實(shí)驗(yàn)表明，該方案使模型在任務(wù)成功率、動作合理性與泛化能力上顯著超越模仿專家示范的原始表現(xiàn)。

 

三大技術(shù)拆解：層層遞進(jìn)的"推理-動作"引擎

 

動作空間建模：從"高頻噪聲"到"關(guān)鍵路徑"

在 Lumo-1 里，通過動作空間建模SAT（Spatial Action Tokenizer），機(jī)器人將動作軌跡轉(zhuǎn)化為可復(fù)用、組合的「動作單詞庫」，能像寫句子一樣組合動作，或者復(fù)用、解釋和預(yù)測動作。技術(shù)上，SAT將連續(xù)動作軌跡壓縮成最短路徑點(diǎn)，并把旋轉(zhuǎn)/平移的增量動作聚類成緊湊token等，在保持動作空間意義時，減少數(shù)據(jù)收集引入的無關(guān)噪音，比FAST與分桶方法等更緊湊和穩(wěn)定。

結(jié)構(gòu)化推理：讓機(jī)器人擁有"常識與思考能力"

Lumo-1將推理拆解為兩個維度：文字推理與視覺推理。

模型進(jìn)行多種形式的具身文本推理：

（1）抽象概念推理整合視覺觀測和指令以推斷隱含語義（"低熱量"→排除可樂）；

（2）子任務(wù)推理旨在推斷到達(dá)最終目標(biāo)的最優(yōu)中間步驟（微波爐加熱→開門→取物→放入→關(guān)門→旋鈕→取出）；

（3）視覺觀測描述強(qiáng)調(diào)對顯著場景特征和可操作物體的準(zhǔn)確識別和分析；

（4）運(yùn)動推理包括對夾爪空間關(guān)系的文字推斷，以及運(yùn)動方向的闡述。

然后再進(jìn)一步執(zhí)行視覺推理，以實(shí)現(xiàn)基于感知的推斷和運(yùn)動估計(jì)。

通過結(jié)構(gòu)化推理（Structured Reasoning），機(jī)器人大腦不再死記軌跡，而是形成解釋動作的結(jié)構(gòu)化推理鏈，從執(zhí)行動作到「執(zhí)行想法」，使「為什么這樣做」先于「怎么做」。最終，它把視覺理解映射為路徑點(diǎn)預(yù)測，讓 2D 預(yù)測自然落到 3D 控制上，實(shí)現(xiàn)更有目的性、情境化的動作生成。

在S1真機(jī)部署中，這種能力展現(xiàn)得淋漓盡致。讓機(jī)器人"把代表愛情的花放進(jìn)花瓶"，S1能理解玫瑰代表的文化隱喻；當(dāng)指令換成"把KFC里的東西放進(jìn)藍(lán)色容器"，它能推理出炸雞、漢堡等關(guān)聯(lián)物品。在"把畫海洋的工具放進(jìn)綠盤子"這種任務(wù)中，S1也能準(zhǔn)確找到藍(lán)色的畫筆。

把可以畫海洋的文具放到綠盤子里

強(qiáng)化學(xué)習(xí)推理-行動對齊（RL Alignment）

推理很強(qiáng) ≠ 執(zhí)行一定成功。Lumo-1 在最后加入強(qiáng)化學(xué)習(xí)推理-行動對齊（RL Alignment），校準(zhǔn)對齊高級推理與低級動作之間的誤差，在真實(shí)軌跡中反饋迭代，通過視覺、動作與推理一致、動作執(zhí)行、推理格式等多維度GRPO風(fēng)格獎勵信號，鼓勵模型選擇更準(zhǔn)確、連貫、符合物理規(guī)則的動作。

成果與影響

Scaling Law驗(yàn)證

團(tuán)隊(duì)采用數(shù)據(jù)受限擴(kuò)展定律驗(yàn)證訓(xùn)練策略。結(jié)果顯示：在固定模型規(guī)模下，數(shù)據(jù)多樣性（場景、物體、指令的覆蓋面）對泛化能力的影響遠(yuǎn)超數(shù)據(jù)重復(fù)次數(shù)。這為行業(yè)指明方向——除了堆數(shù)據(jù)量，也可以抓數(shù)據(jù)質(zhì)量。

技術(shù)成果：全面超越主流基線

Lumo-1在7個多模態(tài)基準(zhǔn)測試中的6個優(yōu)于backbone模型Qwen2.5-VL-7B，并超越專門的具身模型RoboBrain-7B和Robix-7B。更關(guān)鍵的是，融入動作學(xué)習(xí)后，模型的核心多模態(tài)感知和推理能力未受損——這證明"推理"與"動作"并非零和博弈。

在真實(shí)環(huán)境驗(yàn)證中，S1展現(xiàn)出驚人的泛化能力：面對不同高度的容器，自動調(diào)整手臂姿態(tài)；菜單從印刷體換成手寫體，仍能精準(zhǔn)識別食材配對（腸仔意面、胡蘿卜牛腩等）。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。