研究者批30条demo训练的VLA只是视觉伺服

2026年10月12日，AGI Hunt 报道，机器人研究者 @sincethestudy 转发并评论 @vruga 展示的机器人 demo，指出该方案实际上是基于 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，在如此低的数据量下训练的 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 所展现的能力被夸大。报道称，此事由此引发机器人圈关于 VLA 数据规模与真实能力的讨论。截至该报道，尚无当事方回应或后续验证结果的信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。