摘要
科学实验室日益依赖 AI 进行推理，但物理实验执行仍需人工。现有视觉 - 语言 - 动作（VLA）模型缺乏针对实验室仪器和流程的训练。本文提出 RoboGenesis 仿真数据引擎，通过组合原子技能生成结构化演示数据；并推出 LabVLA 模型，采用两阶段训练策略：先进行动作令牌预训练使骨干网络感知动作，再通过流匹配后训练接入动作专家。在 LabUtopia 基准测试中，该方法在分布内及分布外设置下均取得了最高的平均成功率。
AI 推荐理由
论文核心在于构建原子技能库及训练 VLA 模型执行实验室具体操作技能，解决物理执行瓶颈。
研究机构
浙江大学
上海人工智能实验室
论文信息