“推理速度飙升，性能超越Pi0.5。

机器人不再需要把每个步骤想清楚再说，而是直接在脑海里运行一个多维度的物理模拟器，一边推演未来，一边流畅执行。

想象一下，你让机器人做个煎蛋三明治：先靠近平底锅，用铲子轻轻铲起鸡蛋，再稳稳放到面包上。传统的机器人搭载视觉-语言-动作（VLA）模型，在执行前，真的会像默念剧本一样，在心里用语言把这些步骤过一遍。

这种“显式思维链”虽看似聪明，却有两个致命短板：

想得太慢，做得就卡。语言生成是串行过程，机器人思考的时间比动手还长，动作断断续续，难以应对需要高频、连贯响应的真实物理交互。

语言在描述物理世界时，如同一个信息漏斗。鸡蛋的粘滑、铲子切入的角度、面包被压下的弹性等等这些精细的、不可言传的物理属性，被强行压缩成贫瘠的文字，关键信息丢失严重。

这就像让一个只用文字记录菜谱的人去当大厨，永远炒不出那个锅气。

01.

从语言描述到物理模拟

能不能让机器人抛开语言拐杖，像人一样，在一种更接近物理本质的意识流里进行推演？

近日，至简动力、北京大学、香港中文大学、北京人形机器人创新中心在论文《 LaST₀：Latent Spatio-Temporal Chain-of-Thought for Robotic Vision-Language-Action Model》中给出了答案。

论文链接:https://arxiv.org/abs/2601.05248

项目主页:https://vla-last0.github.io/

他们提出了 LaST₀框架，核心是创造一个隐空间思维链，让机器人不再生成语言或未来图像，而是直接在这个紧凑的隐式空间里，自回归地预测并编码未来的三种关键状态：

一是视觉动态：未来的场景会怎么变化？

二是3D几何结构：物体的空间位置和形状如何演进？

三是本体感知状态：机器人自己的身体下一刻应在哪里？

这相当于为机器人在脑海里安装了一台高维物理模拟器，不经语言翻译直接操作更丰富、更本质的物理表征并进行推理，效率与精度双双跃升。

02.

双专家系统，快慢思考完美协同

仅有高效的“内心戏”还不够。如果每次行动前都要完整推演一遍，依然会拖慢节奏。

研究团队借鉴了神经科学的启发，为 LaST₀设计了一个精妙的“双专家”混合Transformer架构，集成在单个 VLA 模型中。

LaST0整体框架

慢思考专家 是“推理专家”。它接收语言指令和关键帧图像，任务是在隐空间里，向前推演出未来多步的物理状态序列，形成一份动态的“隐空间作战计划”。

快反应专家是“动作专家”。它不参与长程规划，只专注当下，接收最新的高清观测，并随时查阅“推理专家”留下的那份不断更新的计划，随后以此为指导，通过流匹配技术瞬间生成精准动作。

关键在于，两位“专家”通过共享的注意力机制紧密联结。“动作专家”能瞬间读取“推理专家”写在公共区域上的计划，实现零延迟的知识同步。这种设计，让机器人实现高效的“先思考后行动”。

03.

任务成功率全面提升，推理速度飙升

理论经得起推敲，实战表现更是惊喜。

团队在涵盖桌面单/双臂、移动底盘、人形灵巧手的10个仿真与10个真实世界任务中，对 LaST₀进行了严苛测试。

在RLBench仿真基准测试中，LaST₀在10项任务上的平均成功率高达 82%，显著超越了之前的顶尖模型。更惊人的是效率：其整体推理速度达到 15.4 Hz，而基于显式语言CoT的对比方法仅为 1.1 Hz，速度提升近14倍，时空理解能力卓越。

RLBench模拟器实验结果，每个模型都在对应任务上测试20条rollout，并且成功由RLBench内置模块自动判断

在真实世界的复杂操作中，LaST₀的优势更为明显。在Franka机械臂的系列任务中，其平均成功率达到72%，显著超越了同场竞技的多个先进基线模型：SpatialVLA (41%)、π0.5 (59%) 和 CoT-VLA (50%)。

Franka机械臂实验装置
 

一项需要连续三次成功放置鸡蛋的长程任务，深刻检验了模型的时序一致性。LaST₀在第三步的成功率仍保持可观水平，而基线方法已衰减至接近零。

真实世界操作任务对比
 

这表明 LaST₀的隐空间推理能真正形成对任务进程的持久、连贯的内部表征，而非走一步看一步。

04.

一套模型，驾驭多种机器人形态

LaST₀的潜力不止于固定机械臂，研究团队展示了其卓越的泛化能力：

在移动操作平台上，它能协调底盘移动与双臂操作，完成移动到桌前并叠放盘子的复合任务。

在高自由度灵巧手上，它能完成拉开抽屉、抓取细小按钮、放入盒子等需要毫米级精准指尖操控的复杂作业。

这证明，LaST₀所学的“隐空间物理推理”能力，是一种与具体机器人形态解耦的通用技能。只需调整末端执行器的动作维度，同一套核心模型就能适配从工业臂到人形机器人的多种身体。

Agilex 移动操作任务和天宫灵巧⼿操作任务的机器⼈实验设置
 

真实世界任务的完整任务执⾏过程
 

05.

未来已来：通向更高效具身智能的关键一步

LaST₀的突破，远不止于几项测试指标的提升，它让我们离真正的具身智能更近了一步。

可以预见，这项技术将深刻影响未来：

在工业场景，机器人能更流畅地处理装配、分拣等需要实时适应微小偏差的任务。

在家庭与服务领域，机器人助手能更安全、自然地完成备餐、清洁等复杂家务。

在特种应用如外科手术、太空探索中，具备自主物理推理能力的机器人，将能在通信延迟或人类无法直接干预的环境中，独立完成精细操作。

LaST₀向我们展示的，是一个思考更高效、行动更连贯、对物理本质理解更深刻的智能体雏形。

这场发生在算法内核的深刻变革，或许正在敲开通用机器人时代的大门。