机器人圈泼冷水：30 条 demo 训出的 VLA 只是视觉伺服

机器人研究者 @sincethestudy 转发评论 @vruga 展示的机器人 demo，指出该方案实为基于 UMI 数据采集的 ACT 策略，仅用约 30 条演示数据训练。批评者认为，低数据量下训练的 VLA（视觉-语言-动作模型）本质上退化成了视觉伺服（visual servoing），这类 demo 的能力被夸大，由此引发机器人圈关于 VLA 数据规模与真实能力的讨论。