# 零样本操作

视觉语言模型能读懂任务却常抓不稳物体：在RoboDojo上，同一模型去掉机械臂执行后成功率从22.5%升到76.2%，说明瓶颈在物理执行。Auriga把模型决策与机器人执行分开，由模型维护显式任务信念，所有动作经统一准入网关先预览轨迹、执行中校验阶段容差并在偏差时停机回报。冻结后的Auriga在42项任务上取得57.7%成功率、64.0分，排名第一，并在RoboCasa365上达到73.2%。

视觉语言模型能读懂任务却常抓不稳物体：在RoboDojo上，同一模型去掉机械臂执行后成功率从22.5%升到76.2%，说明瓶颈在物理执行。Auriga把模型决策与机器人执行分开，由模型维护显式任务信念，所有动作经统一准入网关先预览轨迹、执行中校验阶段容差并在偏差时停机回报。冻结后的Auriga在42项任务上取得57.7%成功率、64.0分，排名第一，并在RoboCasa365上达到73.2%。

预训练视觉语言模型不必先学机器人动作，把以工具中心点为中心的动作坐标系投影进腕部相机画面并用文本接口输出动作后，27B模型零样本在简单操作任务上平均成功率79.4%，接近用约30条演示微调过的VLA模型。

预训练视觉语言模型不必先学机器人动作，把以工具中心点为中心的动作坐标系投影进腕部相机画面并用文本接口输出动作后，27B模型零样本在简单操作任务上平均成功率79.4%，接近用约30条演示微调过的VLA模型。