机器人秒变推理大师 星尘具身推理模型Lumo-1 VLA发布

从走路、跳舞到后空翻，动作模仿教会了机器人「怎么动」，而到端盘子、分拣水果、热食物等复杂操作时，机器人不能只模仿，更要识别复杂环境，理解「为什么做」的任务意图，再转化为「动手这么做」的连贯操作。 人类的行动，一般都依托于上下文和意图，核心就在于推理。对机器人而言，尽管大规模互联网数据让GPT、DeepSeek等AI具备了不错的推理能力，但让AI在真实物理世界里通过推理“准确动起来”，特别是处理多步骤长时序任务、模糊指令、未见过情景时，依然挑战重重。 主流视觉-语言-动作VLA模型依赖"轨迹记忆"，通过海量数据学习"看到A+听到B→做C"的映射。这种方式在标准场景表现尚可，但在开放环境中会暴露三大缺陷：抽象概念失效，比如理解"可乐"，却不懂什么是"补充能量的饮料"；环境泛化困难，如白桌训练、到木桌失效；长时序任务崩溃，比如微波炉加热需多步连贯操作，一步出错则全盘皆输。 AI机器人公司星尘智能提出 端到端全身VLA模型——Lumo-1，旨在让机器人心手合一，想清楚就干活， 借助具身化VLM、跨本体联合训练、推理-动作真机训练、以及强化学习校准对齐等方式，配合绳驱机器人S1的高质量真机训练，将大模型“心智”转化为全身到手的丝滑操作。 项目页面：www.astribot.com/research/Lumo1 技术报告： https://arxiv.org/pdf/2512.08580 Lumo-1展现了强大的操作智能与泛化能力， 在多步骤长时序、精细灵巧操作、可泛化抓取放置等三大类核心操作任务中，全部超越了π0、π0.5等先进模型， 尤