这篇量子位报道的核心，不是「参数越大越强」，而是一个 1B 级具身模型在公开基准上拿到第一，同时把工业部署的门槛摆回了台面。
先看成绩
文章称，优艾智合的 FabriVLA 在 Evo-SOTA 的 Meta-World MT50 基准中，以 90.0% tier-average 成功率 排名第一，超过包括 π0 在内的多款模型。1
Meta-World MT50 覆盖 50 个操作任务，包括抓取、放置、推动、开门和插拔等。这里的 90.0% 是文章转述的榜单 / 基准口径，不等同于独立复测或真实产线成功率。1
为什么小模型也能打
报道将 FabriVLA 的方法概括为三点：
- 门控自注意力：让动作序列前后的步骤互相看到，减少长序列动作的漂移。
- 深浅层视觉特征融合：同时保留高层语义与低层细节，服务于插拔、组装、精准摆放等精细操作。
- 单阶段联合训练：文章称它没有依赖大规模机器人数据预训练。
这些是论文 / 报道对方法与实验的概括，不应直接外推成「所有机器人场景都能用」。1
榜单第一，不等于产线 ready
1B 级参数可能带来更低的推理成本和更低的边缘部署门槛，但工业现场还要求实时、稳定、可靠，并且要兼容既有工业软件与硬件协议。量子位也明确提醒：Benchmark 第一不等于可以直接在一线产线上岗。1
评论
登录后可发表评论。