优艾智合1B参数模型登顶具身智能榜单，同步发布工业大模型与人形机器人
1B参数的小模型靠架构优化而非堆参数登顶具身智能榜单，展示了轻量化VLA在工业场景的潜力。
优艾智合研发的FabriVLA模型，以仅1B参数在Meta-World MT50多任务操作基准中达到90%成功率，超越海外标杆π0等大模型。它通过深浅层视觉特征融合和门控自注意力机制，而非堆参数来提升性能，为工业具身智能的轻量化部署提供了基础。同期推出的工业大模型FabriX和人形机器人隙锋，则进一步整合了公司9年工业数据与算法积累，专注于真实生产环境的长期稳定运行。
正文摘录
谁能想到，在全球具身智能操作能力的顶级榜单上，打败海外标杆模型 π0 的，居然是一个只有 1B 级参数 的轻量级模型。 优艾智合 研发的 FabriVLA ，在 多任务操作核心基准 Meta-World MT50 中，以 90.0% 的 tier-average 成功率 登顶第一 ，超过包括 π0 在内的一众国际知名模型。 在没有堆叠数百亿参数的情况下，这个小身板模型在全难度梯度测试中拿到 SOTA， 其轻量化设计也为部署到机器人边缘端提供了基础。 Meta-World MT50 的抓取、放置、开门、插拔等操作，与工业场景的基本工序高度重合，考验的正是在不同任务下的多任务能力和操作稳定性。 近期，该公司又趁热打铁推出了 工业具身智能大模型「智合」FabriX 与 工业原生人形机器人「隙锋」 ，并喊出了一个极其激进的口号： --- Evo-SOTA 作为全球具身智能领域重要公开评测榜单 之一，汇聚了全球高校与科技公司的主流模型。 而在它选用的 Meta-World MT50 基准中，包含了 整整 50 个不同任务 ，覆盖抓取、放置、推动、开门、插拔等多类复杂操作。 它考验的不是机器人死记硬背某一个特定动作的上限，而是同时掌握 50 项不同任务的多任务操作能力。 FabriVLA 能拿下第一，意味着 轻量化 VLA 模型 同样可以具备顶级具身智能操作能力，为工业具身智能落地提供了模型基础。 FabriVLA 通过「深浅层视觉特征融合」，让机器人同时拥有理解能力和精细操作能力。 而「门控自注意力机制」，则让动作序列中的每一步都能参考前后步骤，学会动作之间的衔接与配合。 去掉深浅层特征融合，tier-average 成功率从 90.0% 降至 82.9%；门控自注意力则是动作头中贡献最大的组件。 这说明 FabriVLA 的提升，来自于架构对真实任务的深度优化，而非单纯靠参数堆叠。