预训练懂“做什么”，仿真教“怎么做”：仿真训练机器人 Agent 的组合泛化

提出 ZAP 方案：用预训练 27B 参数视觉语言模型提供世界理解与推理，再通过监督微调和 GRPO 在简单仿真任务上学习机器人控制，训练全程不使用真实机器人数据。作者报告真实任务成功率 96.7%，在其 harness 下与 GPT-6 Astra 相当，优于 MolmoAct2 VLA 的 33.3%，且速度快 3 倍、成本低 17 倍，并展示对新物体、目标、策略和语言指令的泛化。

AI推荐理由 ZAP 用 27B 视觉语言模型加简单工具 harness，仅靠仿真任务监督微调与 GRPO 训练，无真实机器人数据即在真实任务上报告 96.7% 成功率，并称匹配 GPT-6 Astra、优于 MolmoAct2 VLA（33.3%），速度 3 倍、成本 1/17。数字具体且对比明确，但均为作者自报，需复现与独立评测确认。