SLA 登顶 RoboDojo 真机榜，港科广联合欧拉万象强化机器人三维空间理解能力

香港科技大学（广州）联合欧拉万象推出 SLA 空间 - 语言 - 动作模型，该模型 SLA-Preview 版本直接登顶 RoboDojo-Real 真机榜单，解决传统机器人模型对三维空间感知弱、环境物体位置变动后操作容易失效的痛点，让机器人看懂真实世界三维几何关系，动态完成抓取、搬运等实操任务。传统机器人具身模型大多只学习视觉、语言和动作映射，缺少对物体距离、相对位置这类三维空间信息的持续学习，一旦物体被挪动、工作台高度改变，机器人就很容易操作失败。SLA 模型的创新点就是在预训练和下游微调全阶段都加入三维空间监督，依靠 OmniVGGT 三维感知模型提供空间信息做训练辅助，推理阶段不会增加额外算力开销，在 RoboDojo 真机 8 项实操测试中，面对物体移位、桌面升降这类动态变化场景，依旧稳定完成操作任务，论文、代码与模型权重对外开源，方便行业研究者二次开发验证。

SLA 模型核心评测数据对比

SLA 模型技术架构要点

• 模型全称：Spatial-Language-Action Model（空间 - 语言 - 动作模型）
• 训练方式：分大规模持续预训练、下游任务微调两阶段，全程嵌入三维空间监督信号
• 辅助感知模块：OmniVGGT，仅参与训练，模型正式推理运行时不加载，不增加延迟
• 核心优势：保留原有 VLA 推理架构，不额外增加策略推理算力消耗，空间理解能力显著提升
• 测试场景：动态抓取物体、物体移位、工作台升降等真实物理环境变化类任务

SLA 模型真机测试流程

1. 搭建 RoboDojo 真机测试平台，配置机械臂、视觉采集设备，准备多组物体摆放场景。
2. 加载 SLA-Preview 模型，输入自然语言指令，在静态和动态变化环境下执行操作任务。
3. 记录完整任务成功率与物体级操作成功率，统计模型得分，与 π0.5 等基线模型横向对比。
4. 分析失败样本，优化空间表征学习能力，公开全部实验数据与开源代码。

落地与开发注意事项

• 开源资源：论文、代码、模型权重公开，科研机构、开发者可以下载复现实验。
• 适用范围：目前主要面向机械臂物体操作任务，人形机器人适配还需要继续迭代。
• 算力开销：推理阶段不增加额外算力，部署成本接近普通 VLA 具身模型。
• 边界限制：极端遮挡、强光干扰场景下三维感知效果会下降，需要配合环境优化。

【常见问题】

问题 1：登顶 RoboDojo 真机榜的 SLA 是什么，港科广联合欧拉万象的研究目标是什么？

回答 1：登顶 RoboDojo 真机榜的 SLA 是空间 - 语言 - 动作模型，港科广联合欧拉万象研发 SLA，目标是让机器人具备更强三维空间理解能力，物体位置、工作台高度发生变化时，依旧能稳定完成抓取搬运任务。

问题 2：SLA 在 RoboDojo 真机榜的成绩对比基准模型 π0.5 提升多少？

回答 2：SLA-Preview 在 RoboDojo 真机榜完整任务成功率 33.9%，约为 π0.5 的 2.6 倍；物体级平均成功率 83.8%，相比 π0.5 提升 24 个百分点，综合平均分 42.3 分排名第一。

问题 3：SLA 模型增强机器人三维空间理解的核心技术思路是什么？

回答 3：SLA 增强机器人三维空间理解，是在模型预训练、下游微调全流程加入三维空间监督，依靠 OmniVGGT 提供空间几何信息辅助训练，推理阶段不引入额外模块，不会增加算力开销。

问题 4：SLA 登顶 RoboDojo 真机榜之后，相关代码和模型权重是否对外开放？

回答 4：SLA 登顶 RoboDojo 真机榜，团队配套的论文、代码以及模型权重已经对外开源，行业科研人员、开发者能够下载复现实验，开展二次研究。

【参考资料】

[2026-11-12]（SLA 登顶 RoboDojo 真机榜！港科广联合欧拉万象，让机器人更懂三维空间）新浪财经

[2026-11-12]（SLA 登顶 RoboDojo 真机榜 港科广欧拉万象联合发布空间语言动作模型）机器之心

[2026-11-10]（真机成功率达 π0.5 的 2.6 倍！港科广 × 欧拉万象 SLA 登顶 RoboDojo）深蓝学院

[2026-11-08]（港科广联合欧拉万象提出 SLA 探索机器人的三维空间学习）手机搜狐网

【免责声明】

本文资讯仅为具身智能行业科研动态，不构成机器人项目采购、模型商用落地的方案建议。SLA 在 RoboDojo 真机榜测试结果是实验室环境评测数据，真实工业、家庭场景部署效果会受硬件、环境光照、物体材质影响。模型开源协议、商用权限以港科广与欧拉万象团队发布的官方文档为准。