反击VLA中「L」无用论：用对位置指令泛化能力暴涨20-40%
反击VLA中「L」无用论：用对位置指令泛化能力暴涨20-40%作为具身智能最主流的路线之一，VLA 快速发展的同时也因为其各种问题被诟病。其中最主要的痛点之一便是指令泛化能力。
来自主题: AI技术研报
9081 点击 2026-08-06 15:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
作为具身智能最主流的路线之一，VLA 快速发展的同时也因为其各种问题被诟病。其中最主要的痛点之一便是指令泛化能力。
当 VLA、WAM、RL、TAMP、MPC 等机器人控制策略在各自擅长的任务中大放异彩，如何刻画其能力边界，并在正确的时机为不同子任务匹配最合适的策略，正逐渐成为机器人完成复杂长时序任务的关键。
近年来，视觉 — 语言 — 动作模型（Vision-Language-Action Model，VLA）正逐渐成为通用机器人控制的重要技术路线，但当这些模型真正进入高频闭环执行时，一个矛盾越来越突出：模型越来越大、语义能力越来越强，动作更新却未必足够快。
谷歌：在LLM圈里我唯唯诺诺，在机器人圈里我直接大打出手！
2026 WAIC 刚刚落幕，具身智能无疑是最受关注的技术方向之一。
谁能想到，在全球具身智能操作能力的顶级榜单上，打败海外标杆模型π0的，居然是一个只有1B级参数的轻量级模型。
VLA模型已经会做任务，但真实机器人还是慢！PolicyTrim是一种优化VLA机器人执行效率的方法，无需重新训练。它通过扩展可靠动作序列并减少冗余步骤，帮助机器人更直接完成任务，提升整体速度。
一项机器人拼搭长城的展示火爆全网。从彩排现场的照片来看，围观者已经里三层外三层。原力灵机联合阶跃星辰，用 6 台机器人挑战 15 小时连续作业，搭建完成一座包含超 8 万个零件的长城模型 —— 最小组件不到 1 厘米宽，成品长 3.5 米、宽 1.5 米、高 1.1 米。其中 4 台桌面机器人负责精细零件的拼装，2 台轮式机器人 Apex 负责将拼装完成的组件运输、组装。
机器人，也开始拥有“触觉想象力”了。
音乐和视频之间那道墙，好像被打破了。 上个月，一个做独立音乐的朋友找我吃饭，聊到新歌宣发的事，愁得不行。 歌写好了，录完了，混音也做了，但到了要发的时候才发现，没有视觉内容。 发网易云？光秃秃一个音频