研究人员构建了LabVLA，一个视觉-语言-动作模型，让机器人能够理解和执行复杂的科学实验流程，如倒液、按按钮和转移烧杯。该模型基于RoboGenesis生成的数百万合成演示进行训练，在六项实验室操作任务中取得了最高成功率，并可直接迁移到真实台式机器人上——这向自动化日常实验室工作迈出了重要一步。
目录
研究者构建了什么
团队构建了三个紧密集成的组件。RoboGenesis是一个可编程的数据引擎，能从3D资产库中构建经过验证的实验室场景，然后生成长时序操作流程（如抓取、倒液、搅拌、加热），无需手动硬编码。它使用成功检查器和碰撞监视器，确保只导出物理上有效的片段。
LabEmbodied-Data是生成的带注释的成功运行语料库，每个演示都保留了实验协议的完整结构，而不仅仅是孤立的图像-动作对。这种结构化数据是下游VLA训练的基础。
LabVLA是视觉-语言-动作策略本身，基于Qwen3-VL语言模型构建。它使用FAST动作标记预训练从视觉历史中预测未来动作，然后通过流匹配后训练优化连续机器人指令。训练过程中的“知识隔离”设计防止语言骨干网络过度拟合特定场景，迫使模型推理通用的实验室操作。
该系统在LabUtopia模拟基准上运行，该基准程序化生成多样化的实验室布局，并在物理Franka机械臂上对四个真实世界任务进行了测试。
关键成果
LabVLA在分布内（ID）和分布外（OOD）设置下每项任务评估了120个片段。OOD测试改变了物体位置、外观或场景布局，以测试泛化能力。
- LabVLA在ID和OOD条件下均取得了最高平均成功率。
- 最大的挑战仍然是倒液体——这是LabVLA唯一尚未达到人类可靠性水平的类别。
- 所有基线方法（包括基于CLIP的策略和早期VLA模型）在其他任务上均被超越：抓取实验器具、按按钮、开门、加热烧杯和转移烧杯。
- 在物理Franka机械臂上，模拟预训练的LabVLA无需微调即可成功迁移到真实台式操作，证实了合成数据可以泛化到真实世界。
没有基线方法能接近LabVLA的OOD性能，这凸显了RoboGenesis多样化的场景随机化和知识隔离训练技巧的有效性。
工作原理
LabVLA的流程包含三个阶段：环境构建、流程生成和模型训练。
环境构建从模拟就绪的3D实验器具资产库开始。RoboGenesis将这些资产组装成物理上可执行的场景——检查不可达的放置位置、缺失的仪器、不稳定的接触和无效的几何体。只有经过验证的场景才能进入流程生成。
流程生成将实验协议视为自然语言模板。模板包含命名物体、目标引用和有序的原子技能列表（抓取、倒液、放置、搅拌等）。RoboGenesis随机采样物体和技能参数，创建数千个独特片段，每个片段都有无碰撞的机器人轨迹。
模型训练使用两种新技术。FAST动作标记预训练将未来的机器人动作视为离散标记，并训练VLM从视觉历史中预测它们——类似于下一个标记预测，但针对电机指令。流匹配后训练将这些离散预测平滑为连续动作序列，以实现精确操作。知识隔离在预训练期间应用：语言模型的权重部分冻结，使其无法记忆场景特定模式，迫使它学习通用实验室推理。
数据流程还丢弃所有失败的片段，只保留成功的运行。每个技能都有自己的成功检查器，验证物理条件（例如倒液的液体转移），碰撞监视器拒绝禁止接触的步骤，无论任务是否完成。
为何对机器人学重要
长期以来，实验室自动化一直是手动编码的噩梦——每个新协议都需要从头重写机器人轨迹。LabVLA表明，单一的视觉-语言-动作模型只需理解自然语言指令和视觉场景，就能处理多样化的实验室任务，无需针对每个任务编程。
对于实验室管理人员和设备采购者来说，这意味着更快的设置时间、减少对专业机器人程序员的需求，以及扩展重复实验的能力。该系统已可迁移到真实Franka机械臂，使其适用于可能通过LabVLA栈进行改装的二手协作机器人。
对于更广泛的机器人行业，LabVLA的合成数据生成（RoboGenesis）和知识隔离方法为在具有结构化协议的领域（不仅仅是实验室）构建鲁棒的VLA模型提供了模板。同样的想法可应用于制造装配、厨房自动化或医学采血，这些领域都涉及长时序的结构化操作序列。
如果你的团队使用需要在Robot Overflow上处理实验器具或类似精确任务的人形机器人，这里描述的架构可作为训练蓝图。
局限与开放问题
LabVLA目前仅在受控台式环境中的单个Franka机械臂上运行。倒液体仍然是一个难题——由于需要精细协调以避免溢出和保持接触，模型仍然比人类更容易失败。评估尚未涉及真实试剂、化学安全约束或生物污染风险，这些对于在工作实验室中部署至关重要。
将RoboGenesis扩展到湿化学和生物学工作流程——其中材料会改变状态、反应具有时间敏感性、安全联锁是强制性的——将需要新的成功检查器和碰撞模型。团队承认这些是下一步，但目前系统仅限于干实验室模拟和简单的物理迁移测试。
常见问题
LabVLA能执行哪些任务？ 它可以抓取实验器具、按压设备按钮、开门、倒液体、加热烧杯和转移烧杯——全部通过自然语言指令实现。
训练用的合成数据如何生成？ RoboGenesis构建物理验证的实验室场景，然后采样协议模板，创建数千个带有无碰撞轨迹的成功运行演示。
LabVLA能在真实机器人上工作吗？ 可以，它从模拟预训练后直接迁移到物理Franka机械臂上，在四项任务中无需任何微调。
LabVLA与其他VLA模型有何不同？ 它使用带知识隔离的FAST动作标记预训练以防止过拟合特定场景，再加上流匹配以实现平滑的真实世界动作输出。
结论
LabVLA证明，当有高质量合成数据和场景感知训练支持时，精心设计的视觉-语言-动作模型能够处理科学实验室所需的长时序结构化操作。通过发布RoboGenesis、LabEmbodied-Data和训练方案，团队降低了其他人将这些方法扩展到新仪器和协议的门槛。
要信任VLA模型在实验室中使用真实化学品，你最大的改变需求是什么？