ZAP：纯仿真训练的机器人策略，零真实数据达到 96.7% 真实任务成功率

研究者提出 Zero-real Agent Policy（ZAP），用预训练的 27B 视觉语言模型通过工具接口控制机器人。训练流程是先做监督微调，再用 GRPO 在简单仿真任务上强化学习，全程不使用真实世界机器人数据。在真实任务上 ZAP 达到 96.7% 成功率，与 GPT-6 Astra 持平，超过 MolmoAct2 VLA 的 33.3%，速度比 GPT-6 Astra 快 3 倍、成本低 17 倍。ZAP 能泛化到训练数据中没有的物体、目标和语言，包括在试管架上换孔放置、双臂空中传递试管、画井字棋和下国际象棋。迁移到未见过的单臂 Franka 上，在 RoboLab-120 上达到 55.9%，比领先的 VLA/WAM 基线高 4.9 个百分点。