浙大团队推出的 2B 参数 VLA 视觉语言动作模型，在物体状态变化相关机器人任务测试中拿到 98.4% 的高成功率，这项成果解决了很多传统机器人 VLA 模型的老毛病，以前机器人只会按固定步骤执行动作，没法看懂操作之后物体发生了什么改变，经常出现做完动作但任务没完成、环境一变就失效的问题，而这个新模型重点训练对物体状态变化的感知，能看懂 “杯子被放倒、盖子被打开、物品被移动” 这类变化，根据实时状态调整动作，不用死板跟着预设流程走。
传统 VLA 模型在状态识别上的短板
- 只学习 “指令→动作” 的对应关系，缺少对前后画面状态对比的能力
- 容易出现动作执行了，但没有校验结果，失败之后不会自主修正
- 物体摆放、遮挡、灯光稍微变化，任务成功率直接大幅下滑
- 长流程任务里，上一步状态出错，会连锁导致后面全部步骤跑偏
浙大 2B VLA 模型核心设计思路
- 增加状态对比学习模块：把操作前、操作后的画面一起送入模型，专门学习物体的变化特征，区分 “有没有改变、改变到什么程度”。
- 轻量化 2B 参数规模：不需要超大算力，降低真机部署门槛，适合机械臂、家用机器人这类端侧设备。
- 闭环校验机制：每做完一段动作，自动核对当前物体状态，判断是否达成子目标，失败就重新规划动作。
- 语言和状态对齐：用自然语言描述状态变化，模型听懂指令的同时，理解指令对应的目标状态。
模型测试数据一览
| 测试项目 | 指标 | 说明 |
|---|---|---|
| 基准任务平均成功率 | 98.4% | 以物体状态变更类任务为主，开盖、移物、开关容器等 |
| 参数规模 | 2B | 轻量版本，推理速度更快 |
| 测试基准 | LIBERO 仿真环境 | 机器人操纵领域通用评测集 |
| 泛化测试成功率 | 89.1% | 物体摆放位置打乱、增加遮挡后的表现 |
这项成果的价值和局限
优势：
2B 小参数就能做到极高的状态识别成功率，打破了 “机器人想要强能力必须堆大模型” 的思路，给家用机器人、工业轻量分拣机器人提供低成本方案，也让机器人更适配真实开放环境。
局限：
目前高成功率主要在仿真环境 LIBERO 里跑出，真实物理场景还有摩擦、抓取误差等干扰；复杂长时序任务、多物体联动变化的任务，稳定性还需要持续优化，距离大规模商用还有一段距离。
赛道小结
机器人能不能落地，关键不在于会不会动，而在于能不能看懂环境变化。浙大这款 2B VLA 模型的核心突破，就是把 “状态变化感知” 放进基础策略里，不再只单纯预测动作。它证明了聚焦状态建模的轻量化 VLA 路线可行，后续同类机器人模型，大概率会把状态校验、前后帧对比作为标配能力。
【常见问题】
问题 1：浙大 2B VLA 模型 98.4% 成功率，主要是解决机器人哪一类问题？
回答 1：浙大 2B VLA 模型 98.4% 成功率来自物体状态变化类任务，它主要解决机器人看不懂物体状态变化、动作做完不会校验结果、环境轻微变动就任务失败的痛点，让机器人可以根据物体实时状态调整动作。
问题 2：VLA 模型是什么，浙大这款 2B VLA 和普通 VLA 模型差别在哪？
回答 2：VLA 是视觉 - 语言 - 动作机器人模型，浙大这款 2B VLA 重点强化物体状态变化的学习能力，会对比操作前后画面；普通 VLA 大多只学习指令直接输出动作，缺少状态校验，容易忽略物体变化结果。
问题 3：浙大 2B VLA 模型拿到 98.4% 成功率，是不是马上就能商用落地？
回答 3：不是，浙大 2B VLA 模型 98.4% 的高成功率主要在仿真基准环境测试得到，真实世界存在抓取误差、光线、遮挡等干扰，真机泛化能力还需要迭代，暂时不能直接大规模商用。
问题 4：2B 参数的浙大 VLA 模型，对比更大参数机器人模型有什么优势？
回答 4：浙大这款 2B VLA 属于轻量化模型，算力开销更低、推理速度更快，更容易部署在普通机械臂、家用机器人硬件上，同时依靠状态变化学习，在特定操纵任务上追上大模型的效果。
【参考资料】
[2026-11-04]（2B 规模 VLA 模型在 LIBERO 基准取得 98.4% 成功率，聚焦物体状态变化）arXiv
[2026-10-28]（浙大 VLA 新进展：面向状态感知的机器人操纵策略）机器之心
[2026-10-20]（轻量化 VLA 模型如何学习物体状态变化，浙大团队解读）AI 科技评论
[2026-09-28]（VLA 机器人模型评测基准 LIBERO 介绍与最新 SOTA 汇总）领研网
【免责声明】
本文内容仅为公开科研成果信息整理，浙大 2B VLA 模型相关数据以论文仿真测试结果为准，真机落地效果存在不确定性；不构成机器人项目投资、技术采购建议，相关技术研发与应用请自行评估验证。