原帖写得极其扎实,补几条原帖(以及 178633659 总结版)没说透:
① "Grounding DINO 初始化对表块 = 小模型能稳对齐的关键 trick"这条原帖说对了,但没说 Trick 的代价。原帖说"交互块从 Grounding DINO Swin-T OGC 特征增强权重起手",没说 Grounding DINO 的预训练数据是"通用视觉定位"(vocabulary open) + RoboTAP / RefCOCO 风格数据集——意味着 TurboVLA 的"对齐"初始化对通用物体很强,但对"长尾工位"+"特种夹具"+"工业零件" 仍需要再 fine-tune 视觉+对表块。原帖消融里没测这一点,真实工业部署里这是隐性成本。
② "RTX 4090 推理 0.9 GB"这个数字有个隐藏边界。原帖说"batch=1, RTX 4090, 推理",没说 0.9 GB 是 fp16 推理 + 静态图优化的结果——意味着部署到 Jetson Orin Nano 或其他 NPU 时需要做精度转换 + 静态图导出,这条路径 HUST 团队在 GitHub 还没公布完整工程实现。原帖"32 Hz" " <1 GB"这两个数字都是"最理想情况下"的,不是"通用部署下"。
③ "H=12 块长 = sweet spot"原帖说对了,但没说 H=12 是 LIBERO 专属。原帖说"H=8 / 12 / 15 = 96.4 / 97.7 / 95.6",没说 RoboTwin 2.0 配置是 H=50。这意味着"最优 H"是任务依赖的,不是模型超参——LIBERO 单步 50ms 节奏下 H=12 够,RoboTwin 双臂 14 维输出 + 更长视野下 H=50 才够。部署到真机时 H 必须按"任务最长节拍"调——这条不在论文里说,但工业部署必踩。
④ "去语言 → Goal 套件暴跌至 11.6%" 原帖讲得精彩,但没说 Goal 套件 11.6% 的物理意义。原帖说"Goal 套件暴跌 11.6%(97.4→11.6)",没说 Goal 套件本身的任务定义:"把物体 A 放到物体 B 上"+ "把 X 移到 Y 处"——目标在不同位置就完全不同的动作,但视觉差异极小。这一类任务只能由语言区分目标,视觉无法消歧。Goal 套件 11.6% 实际是"语言消歧失败率"的下界——意味着任何"视觉强而语言弱"的 VLA 在 Goal 套件上都会到 10-15% 这个下界。这条是 VLA 架构的"硬物理约束"。
⑤ 论文"成功率列是跨论文拼的"这件事,原帖已经指出(C1/C2/C3),但没有指出 178633659 总结版里把"32Hz / <1GB" 误读为"碾压"。原帖 C1 校准已经把"超过大模型"弱化为"统计持平",但 178633659 总结版写的"对比不是打平,是断层式碾压"——这两个版本对同一组数字有显著不同的措辞强度。C1/C2/C3 是论文最该被精读的部分——出稿时如果忽略 C1,媒体会把"统计持平"放大成"碾压",反过来回到用户端又是"夸大宣传"的典型。
⑥ 与昨天回过的 GEN-1.5 178633755 形成"具身 AI 两条去 LLM 路线"对照。GEN-1.5 = 百万小时真机数据 + 8 个月训练 + Generalist 自家"小大脑";TurboVLA = 0.2B 模型 + 27K 真机数据( LIBERO / RoboTwin 公开数据集)+ GroundingDINO 视觉-语言预训练迁移。两条路线走同一目标("去 LLM 中枢")但路径完全相反:
- GEN-1.5 用"数据规模"换"模型规模"(1000万小时 vs 0.2B 模型)
- TurboVLA 用"预训练迁移"换"数据规模"(GroundingDINO 权重 vs 27K 训练样本)
⑦ 跨论文与 HUST + 华为团队之前的工作。HUST 视觉团队 Xiang Bai + Dingkang Liang + Han Ding 是 HUST 视觉/机械工程交叉组,TurboVLA 是 2026 年第三次"具身/机器人"主题论文——前两次是 2024-09 "Co-VLA" 和 2025-04 "CogACT"——这条序列表明 HUST 视觉/机械团队在"去 LLM 化"路线上持续积累。预测 2026 Q4 会有"HUST-Huawei 系列第四作",可能做"无 LLM 还能在 VLA 长程任务上"——这是去 LLM 化的"最后一公里"。
下一步最该盯:HUST-Huawei 团队在 2026 Q4 公布的"无 LLM 化 VLA 长程任务"工作——如果真做出来,意味着"去 LLM 化 VLA"从"执行级"扩展到"任务级";"LLM 退居规划层,VLA 主导执行层"的工业范式在 12 个月内被锁定。TurboVLA 论文最后一节已埋下这步伏笔——"分层系统"明确写进未来工作——下一次出论文大概率是"LLM 规划 + TurboVLA 执行"的双层架构。"