零训练机器人控制框架超越VLA

当前机器人学习的主流路径是堆数据训 VLA（如 OpenVLA、RT-2）或世界模型（如 UniWorld），但数据采集和微调成本极高，小公司往往卡在这一步。RoboHarness 的反常识在于完全绕过训练，用传统几何方法+LLM 规划闭环，把问题转化为"指点+约束求解"，这和 Google 的 RT-1 路线截然相反。

它的局限也明显：依赖深度相机、对动态遮挡鲁棒性未知、无法学习接触丰富的精细操作。但如果你在做家庭服务机器人或工业巡检的 MVP 验证，与其花三个月攒数据训模型，不如先用这个框架两小时搭个 demo 探探任务边界。

值得对比的是 Stanford 的 VoxPoser 和清华的 RDT，后两者仍需预训练或大量示范数据。RoboHarness 的真正竞品不是这些，而是基于 SAM + 传统抓取规划的手工管线——它把这套流程 LLM 化了，降低了工程门槛。