MA-VLA：面向多臂协同操作与组合泛化的具身大模型

2026 年 8 月，研究人员在 arXiv 发布预印本论文，提出面向多机械臂协同操作与组合泛化的具身大模型框架 MA-VLA，旨在突破传统全局指令难以适配多臂灵活分工的限制。

• 将复杂的双臂与多臂协作任务拆解为中层原子动作提示（Atomic Prompts），并将具体子目标精确分配至各个机械臂，实现动作在不同任务间的组合复用。
• 提出 Arm Shuffle 训练策略，在训练阶段对观测、状态和分配给各臂的提示词进行排列变换，促使模型学习角色无关的指令遵循能力。
• 构建了测试时协同模式未在训练集中出现的泛化基准，在仿真与真机测试中，基线模型在未见协作模式下多数失败，而 MA-VLA 展现出稳健的协同泛化能力。
• 论文对应代码与数据集已在 GitHub 开源。
• 影响/看点：原子级动作分配机制为多智能体与多机械臂系统的模块化协作提供了可行路径，其在工业流水线等场景的实用价值有待在非对称多臂及高频动力学交互中进一步验证。
• 资料依据：
• 1. arXiv 预印本论文（2026年8月）：https://arxiv.org/abs/2608.25864
• 2. GitHub 开源仓库（zhangzaibin/future-robots）：https://github.com/zhangzaibin/future-robots

本内容由 AI 生成，仅供参考，请注意甄别