具身智慧或進入token時代，清華團隊提出Harness VLA引領範式變遷

今天，清華大學於超教授團隊聯合正行創新、無問芯穹，正式釋出並開源 Harness VLA，這一技術成果首次將數字智慧中廣泛應用的 Harness Layer 引入具身智慧系統，在保持 VLA 模型凍結的基礎上，通過 Agentic Planner 對模型呼叫、任務執行和失敗恢復進行統一組織，讓機器人從「依賴單一端到端模型」邁向「模型能力與系統能力協同工作」的新架構，顯著提升機器人在複雜真實環境中的泛化能力。

在更具挑戰性的 LIBERO-Pro 擾動評測中，Harness VLA 將成功率提升至 82.4%，顯著超過 Pi_RLinf（50%）、NVIDIA Cap-X（18.2%）和 Berkeley RATS（43.8%），驗證了「模型 + 系統」的新一代機器人智慧架構的可行性。更重要的是，Harness 並非針對某一特定模型設計，而是一種面向系統層的通用框架。除了 VLA，它同樣能夠與 WAM 等具身基礎模型結合，通過統一的任務執行層釋放不同基礎模型的能力，為未來具身智慧系統提供更加通用的組織方式。

過去兩年，Vision-Language-Action（VLA）模型幾乎已經把機器人操作的標準 Benchmark 的成功率做到了接近飽和。

例如，在 LIBERO 130 個任務中訓練的 Pi 0.5 模型，平均成功率高達 96%。從抓取、搬運到整理物體，大多數任務已經能夠穩定完成。

但這些漂亮的數字，並沒有真正回答一個更現實的問題：機器人離開標準測試環境之後，還能正常工作嗎？