VLA大模型看似强大，却被一个致命弱点扼住喉咙——相机稍微挪动几毫米，操作成功率就能暴跌一半。招商局先进技术研究院下属实验室提出新的移动数据范式，首次在真实机器人系统上证明：让相机动起来采集数据，就能以极低成本破解 VLA 的空间泛化瓶颈，且效果普适于多种主流架构。

近年来，VLA 模型已成为机器人操作领域最火热的研究方向。

无论是英伟达的 Gr00t 系列、Physical Intelligence 的 π 系列等模型都展现出了流畅准确的动作乃至复杂操作能力。

但有一个让所有从业者头疼的问题：这些模型极其「脆弱」。

当你把训练好的机器人从实验室 A 搬到实验室 B，甚至只是不小心碰了一下相机——画面里桌子的相对位置变了几个像素——模型的表现就可能瞬间崩溃。

这不是个别现象。

国内外多个团队的研究（斯坦福-谷歌联合研究项目 Genralization-Gap、同济-复旦等机构联合研究项目 LIBERO-Plus 等）已经得出一致结论：VLA 模型在标准评测中动辄 90%+ 的成功率，在相机视角轻微变化后可能直接跌落到 30% 以下。

为什么？

招商局先进技术研究院下属狮子山人工智能实验室研究团队（以下简称「研究团队」）在新论文中给出了精准诊断与解决方案：问题的根源是捷径学习（Shortcut Learning），而解决方案是混合动态数据采集策略（Hybrid Dynamic Data Collection）。

该论文已被 IROS 2026 接收。

论文地址：arxiv.org/abs/2607.02322

项目地址：
306327680.github.io/LionRockMultiViewPaperWeb