Problem

雖然人工智慧在閱讀科學文獻與規劃實驗流程上已有顯著進展，但實際在實驗室執行物理操作仍高度依賴人力。目前的視覺語言動作（VLA）模型大多基於居家環境數據訓練，缺乏對科學儀器、透明液體及嚴謹實驗流程的處理能力，導致 AI 規劃與機器人執行之間存在技術斷層。

Method

研究團隊提出 RoboGenesis 資料引擎，利用模擬技術將原子技能組合成結構化的實驗室工作流，產出高質量的示範數據。在模型層面，LabVLA 採用兩階段訓練：先透過 FAST 動作標記預訓練讓 Qwen3-VL 骨幹感知動作，再運用流量匹配（Flow Matching）技術在知識隔絕的前提下加入 DiT 動作專家，強化連續控制能力。

Results

在 LabUtopia 基準測試中，LabVLA 在分佈內（In-distribution）與跨場景的分佈外（Out-of-distribution）設定下，均取得所有評測模型中最高的平均成功率，證明該模型能有效適應多樣化的機器人硬體與複雜的科學實驗場景。

Significance

這項研究為科學自動化建立了關鍵的連接介面，將書面實驗協議轉化為機器人的具體行動。透過克服數據稀缺與硬體多樣性的挑戰，LabVLA 為未來全自動化實驗室的實現提供了可行的技術框架，有望加速新藥開發與材料科學的研發進程。