具身智能或进入token时代，清华团队提出Harness VLA引领范式变迁

今天，清华大学于超教授团队联合正行创新、无问芯穹，正式发布并开源 Harness VLA，这一技术成果首次将数字智能中广泛应用的 Harness Layer 引入具身智能系统，在保持 VLA 模型冻结的基础上，通过 Agentic Planner 对模型调用、任务执行和失败恢复进行统一组织，让机器人从「依赖单一端到端模型」迈向「模型能力与系统能力协同工作」的新架构，显著提升机器人在复杂真实环境中的泛化能力。

在更具挑战性的 LIBERO-Pro 扰动评测中，Harness VLA 将成功率提升至 82.4%，显著超过 Pi_RLinf（50%）、NVIDIA Cap-X（18.2%）和 Berkeley RATS（43.8%），验证了「模型 + 系统」的新一代机器人智能架构的可行性。更重要的是，Harness 并非针对某一特定模型设计，而是一种面向系统层的通用框架。除了 VLA，它同样能够与 WAM 等具身基础模型结合，通过统一的任务执行层释放不同基础模型的能力，为未来具身智能系统提供更加通用的组织方式。

过去两年，Vision-Language-Action（VLA）模型几乎已经把机器人操作的标准 Benchmark 的成功率做到了接近饱和。

例如，在 LIBERO 130 个任务中训练的 Pi 0.5 模型，平均成功率高达 96%。从抓取、搬运到整理物体，大多数任务已经能够稳定完成。

但这些漂亮的数字，并没有真正回答一个更现实的问题：机器人离开标准测试环境之后，还能正常工作吗？