<mark id="oztn4"></mark>
0
從走路、跳舞到后空翻，動作模仿教會了機器人「怎么動」，而到端盤子、分揀水果、熱食物等復雜操作時，機器人不能只模仿，更要識別復雜環境，理解「為什么做」的任務意圖，再轉化為「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。對機器人而言，盡管大規模互聯網數據讓GPT、DeepSeek等AI具備了不錯的推理能力，但讓AI在真實物理世界里通過推理“準確動起來”，特別是處理多步驟長時序任務、模糊指令、未見過情景時，依然挑戰重重。
主流視覺-語言-動作VLA模型依賴"軌跡記憶"，通過海量數據學習"看到A+聽到B→做C"的映射。這種方式在標準場景表現尚可，但在開放環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"補充能量的飲料"；環境泛化困難，如白桌訓練、到木桌失效；長時序任務崩潰，比如微波爐加熱需多步連貫操作，一步出錯則全盤皆輸。
AI機器人公司星塵智能提出端到端全身VLA模型——Lumo-1，旨在讓機器人心手合一，想清楚就干活，借助具身化VLM、跨本體聯合訓練、推理-動作真機訓練、以及強化學習校準對齊等方式，配合繩驅機器人S1的高質量真機訓練，將大模型“心智”轉化為全身到手的絲滑操作。
項目頁面：www.astribot.com/research/Lumo1
技術報告：https://arxiv.org/pdf/2512.08580
Lumo-1展現了強大的操作智能與泛化能力，在多步驟長時序、精細靈巧操作、可泛化抓取放置等三大類核心操作任務中，全部超越了π0、π0.5等先進模型，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、需擴展推理的指令中，優勢更為明顯。
從"背菜譜"到"懂烹飪"
人類執行復雜任務時不只是調用"動作庫"，而是實時進行多層次推理——理解抽象語義、拆解子任務、感知空間關系、規劃運動路徑。讓機器人像人一樣推理，就更能像人一樣行動。
"教會機器人思考推理，與喂飽它數據一樣重要。Lumo-1的三階段訓練架構：從具身化VLM，到跨本體聯合訓練，再到推理-動作真機訓練，最后用強化學習實現推理與動作的校準與對齊。
如同從"背誦菜譜"到"理解烹飪原理"，機器人開始擁有了"做決定"的能力。
Lumo-1展現了強大的操作智能與泛化能力，在多步驟長時序、精細靈巧操作、可泛化抓取放置等三大類核心機器人任務中，全部超越了π0、π0.5等先進模型，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、需擴展推理的指令中，優勢更為明顯。
通用抓取放置測試結果
長時序與靈巧操作任務對比結果
三階訓練 VLM認知轉化為VLA智能
Lumo-1 的訓練不是堆規模，而是精心設計的「智力遷移」過程。
階段 1：具身化 VLM（Embodied VLM）。在精選的視覺-語言數據上持續預訓練，讓模型具備空間理解、規劃、軌跡推斷等「具身語義」。在 7 個經典具身推理基準中大部分超過 RoboBrain-7B、Robix-7B 等專用模型。
精選數據集旨在不損傷預訓練VLM的通用多模態理解與推理能力前提下，強化核心具身推理能力。
階段 2：跨本體聯合訓練。融合跨機器人、多視角軌跡、VLM數據上聯合訓練，強化了指令跟隨、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系」。
階段 3：真機推理-動作訓練（S1軌跡）。利用繩驅機器人 Astribot S1 高度仿人的示教軌跡，進行帶推理過程的動作訓練，讓模型習得真實世界可執行的動作模式，比如：怎么用雙手協同處理物體、如何執行長序列操作、如何將推理一步步落實為軌跡等。
Astribot S1機器人上收集的樣本任務。這些任務涵蓋了廣泛的日常活動，采集自不同的物體、光照條件及環境場景。每項任務均涉及復雜、長時序行為，可自然分解為多個子任務，包含多樣化的基礎動作單元，例如清掃、削皮、傾倒、刷洗、折疊、按壓和旋轉等
最后加入強化學習推理-行動對齊（RL Alignment），校準對齊高級推理與低級動作之間的誤差，設計了視覺、動作與推理一致、動作執行、推理格式等多維度的獎勵信號，通過基于GRPO的學習方案鼓勵模型選擇更準確、連貫、符合物理規則的動作。實驗表明，該方案使模型在任務成功率、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。
三大技術拆解：層層遞進的"推理-動作"引擎
動作空間建模：從"高頻噪聲"到"關鍵路徑"
在 Lumo-1 里，通過動作空間建模SAT（Spatial Action Tokenizer），機器人將動作軌跡轉化為可復用、組合的「動作單詞庫」，能像寫句子一樣組合動作，或者復用、解釋和預測動作。技術上，SAT將連續動作軌跡壓縮成最短路徑點，并把旋轉/平移的增量動作聚類成緊湊token等，在保持動作空間意義時，減少數據收集引入的無關噪音，比FAST與分桶方法等更緊湊和穩定。
結構化推理：讓機器人擁有"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）子任務推理旨在推斷到達最終目標的最優中間步驟（微波爐加熱→開門→取物→放入→關門→旋鈕→取出）；
（3）視覺觀測描述強調對顯著場景特征和可操作物體的準確識別和分析；
（4）運動推理包括對夾爪空間關系的文字推斷，以及運動方向的闡述。
然后再進一步執行視覺推理，以實現基于感知的推斷和運動估計。
通過結構化推理（Structured Reasoning），機器人大腦不再死記軌跡，而是形成解釋動作的結構化推理鏈，從執行動作到「執行想法」，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預測，讓 2D 預測自然落到 3D 控制上，實現更有目的性、情境化的動作生成。
在S1真機部署中，這種能力展現得淋漓盡致。讓機器人"把代表愛情的花放進花瓶"，S1能理解玫瑰代表的文化隱喻；當指令換成"把KFC里的東西放進藍色容器"，它能推理出炸雞、漢堡等關聯物品。在"把畫海洋的工具放進綠盤子"這種任務中，S1也能準確找到藍色的畫筆。
把可以畫海洋的文具放到綠盤子里
強化學習推理-行動對齊（RL Alignment）
推理很強 ≠ 執行一定成功。Lumo-1 在最后加入強化學習推理-行動對齊（RL Alignment），校準對齊高級推理與低級動作之間的誤差，在真實軌跡中反饋迭代，通過視覺、動作與推理一致、動作執行、推理格式等多維度GRPO風格獎勵信號，鼓勵模型選擇更準確、連貫、符合物理規則的動作。
成果與影響
Scaling Law驗證
團隊采用數據受限擴展定律驗證訓練策略。結果顯示：在固定模型規模下，數據多樣性（場景、物體、指令的覆蓋面）對泛化能力的影響遠超數據重復次數。這為行業指明方向——除了堆數據量，也可以抓數據質量。
技術成果：全面超越主流基線
Lumo-1在7個多模態基準測試中的6個優于backbone模型Qwen2.5-VL-7B，并超越專門的具身模型RoboBrain-7B和Robix-7B。更關鍵的是，融入動作學習后，模型的核心多模態感知和推理能力未受損——這證明"推理"與"動作"并非零和博弈。
在真實環境驗證中，S1展現出驚人的泛化能力：面對不同高度的容器，自動調整手臂姿態；菜單從印刷體換成手寫體，仍能精準識別食材配對（腸仔意面、胡蘿卜牛腩等）。
