现在大家都知道，数据之于模型的重要性。
可从数据采集到算法训练之间，有个天然的痛点。
如果把数据采集外包，那数据质量难以保证，外包人员很难精准get到算法人员的需求。如果算法人员亲自采，那投产比极低。
这两天去拜访乐聚机器人，发现他们正在解决这个痛点。而且远不止于此，他们正在做具身领域的中间层，或者说infra。
值得跟大家分享一下。
赛道抉择｜不止机器人，更要做具身“基础设施”
简单来说，他们用专业算法人员采集高质量数据，并机器人大脑模型做后训练。重点是，他们不只针对自家机器人，而是面向通用，也就是做起了具身领域的中间层，做infra。
但这事没那么容易。
由于具身的发展还在极早期，所以不像其他算法领域，搞个公开数据集，哪家模型厂商都能用。
现阶段，各家采用的技术方案和供应链厂商各不相同，导致机器人本体的差异巨大。比如双足机器人、轮臂机器人、不同的灵巧手，它们的坑都不一样。每家机器人公司，只顾得上解决自己本体的坑。
所以要做具身领域的中间层，是极难的。
但乐聚这么做了。
我问他们，乐聚不是也做自己的机器人吗，比如夸父，为什么你们能做infra。
回答是，乐聚参与过全国多个人形机器人训练场的建设，有大量本体，数据采集需求也非常大。全身运控、灵巧手操作、轮臂基础运控等不同方案的数据，他们本身就在采集。
所以做数据采集和训练对齐是有天然优势的。
技术解法｜自研全链路工具链，打通“数据-模型-应用”闭环
然后聊聊乐聚具体是如何做的。
他们基于VLA模型，研发了一套后训练系统。还配套搭建了数据采集处理平台、后训练工具链和部署测评工具链。
这就构成了“数据-模型-现场应用”的完整闭环。
先说后训练系统。
它有针对性地解决VLA模型后训练中的痛点。有两个我比较看重。
一个是“灾难性遗忘”问题，也就是学了新知识忘了老知识。他们提出了基于LoRA的轻量级微调架构。让模型学习新技能的同时，尽可能保留预训练阶段学习的知识。
另一个是只会模仿动作，不理解背后物理规律。他们在后训练中融合了“世界模型”。让模型可以理解物理的因果，并预测操作后的状态，从而生成当前最合理的操作。
此外，还解决了抽象指令与抓取位置和力度对齐、观测视角变化、同物体差异化操作、多摄像头的算力浪费和细节遗漏这些问题。
再看数据采集处理平台、后训练工具链和部署测评工具链。
这一套做的是“数据采集-模型后训练-部署测评”闭环。
数据采集处理平台解决的就是文章开头我提到的痛点。平台上有多种采集方式，还有清洗、标注、质检、管理与输出这些关键环节。
拿数据清洗来说，采完直接输出干净数据，以前花三五天清洗的工作量，现在只需要一天。
这一整套后训练系统，也非常容易上手。
在ICRA 2026的REAL-I挑战赛，学生们直接零帧起手，一天之内就能把模型部署到真机上。
说说这套系统的验证。
前面提了乐聚要做通用，所以他们在4种机器人本体和5个主流模型上，进行了交叉验证。
结果是，LingBot-VLA在5个模型中表现最好，夸父4 Pro在4个机器人中表现最好。
而且夸父4 Pro是其中唯一的双足人形机器人。难度最高，表现最好，它跑通了“真实机数据-模型后训练-多本体部署-真实机评测-失败归因回流”整个闭环。
能力实测｜跨机型交叉验证，具身优秀成绩单
说到这，是不是感觉具身智能就要起飞了。但测评数据会告诉你，依然任重道远。
在95个场景的横向测评里，乐聚后训练的平均成功率（SR）是17.59%，平均过程得分（PS）是36.22%的。
17.59%这个数字，心中难免会有疑问，这算高吗？但实际上，这已经是现阶段，具身领域里一张非常优秀的成绩单了。
首先，测评任务是真的难。
95个场景中的很多任务是精细操作，比如精细插入、工具使用、擦拭覆盖、小目标按压、动态接触、稳定搬运、多阶段状态转换。人类操作都没那么容易。
其次，前面提到了，不同机器人本体差异太大，一个模型跑在不同身体中，测评结果也各不相同。
再就是，测评指标本身就很严格。
PS看的是过程推进，不只看最后有没有成功。多步任务里，机器人可能最后没完全完成，但前几步走得比较稳，这些阶段性能力同样值得记录。
而且SR和PS一起看，比只看成功率更有意义。它们会告诉你模型大概卡在哪里，是感知没看懂，还是抓取没抓稳，是中间步骤错了，还是最后收尾失败。
不过，虽然离通用应用还很远，但在垂直场景的表现要优秀很多。
举个例子，在汽车制造里的料箱拆垛场景，综合成功率竟然能超过95%，技能效果从30%变成了80%至90%。
让通用大脑落地单独场景，让通才更容易变成专才，靠的就是这个后训练系统。
如今具身行业的叙事，已经从“小脑”转向“大脑”的落地应用。工业领域遍布着大量尚未被开发的应用场景，机器人的落地部署拥有广阔空间。
这套后训练工具链最大的价值，就是把开发、部署的门槛降到了新低，效率得到大幅提升，同时也方便二次开发。
对于整个行业而言，这无疑会加速各类机器人走进真实工厂，助力具身智能产业走向规模化发展。