VLA，撑起了具身智能的半边天......-CSDN博客

谈机器人，离不开具身智能......

具身智能是一种融合人工智能与机器人技术的创新形式，强调机器人在感知、理解和环境互动中的能力。与传统智能系统不同，具身智能通过物理形式直接与世界交互，从而完成更复杂的任务。其核心在于让机器“身体力行”，以灵活、智能的方式工作，可以说，是机器人领域的GPT时刻。

尤其在工业领域，具身智能的应用日益增多，例如 Figure AI 和特斯拉的人形机器人等。这些机器人旨在解放人类，减少在繁重和重复劳动中的投入，使人们能够专注于更具创造性和价值的工作。国际上，像擎天柱和波士顿动力这样的公司，已经研发出一系列先进的具身智能机器人。这些机器人不仅在制造业中找到了应用，还在物流、运输和甚至家庭服务等领域展现了巨大的潜力。在国内，宇树科技、云深处和智元机器人等公司也相继推出了具身智能产品，完成了量产，进一步推动了这一领域的发展。具身智能的发展空间十分广阔，它不仅可以推动工业和服务业的转型升级，甚至有可能重塑C端（消费者端）和B端（商业端）市场的格局。因此，它引起了资本的高度关注和青睐，投资者纷纷看好这一技术所带来的商业价值和市场潜力。

VLA是什么？VLA的技术栈有哪些？

VLA，Vision-Language-Action模型，是具身智能领域的新范式，从给定的语言指令和视觉信号，直接生成出机器人可执行的动作。这种范式打破了以往只能在单个任务上训练大的局限性，提供了机器人模型往更加通用，场景更加泛化的方向发展。VLA模型在学术界和工业界的重要性主要体现在其将视觉信息、语言指令和行动决策有效整合，显著提升了机器人对复杂环境的理解和适应能力。

这种新范式打破了传统方法的单任务局限，使得机器人能够在多样化的场景中自主决策，灵活应对未见过的环境，广泛应用于制造业、物流和家庭服务等领域。此外，VLA模型已成为研究热点，推动了多个前沿项目的发展，如RT-2、OpenVLA、QUAR-VLA和HumanVLA，这些研究促进了学术界与工业界的合作。其适应性体现在能够应用于机械臂、四足机器人和人形机器人等多种平台，为各类智能机器人的发展提供了广泛的潜力和实际应用价值，成为智能机器人领域的关键驱动力。

对于VLA构成的机器人系统来说，主要包括：视觉的感知处理模块，语言指令的理解以及生成机器人可执行动作的策略网络。根据不同的需求，目前的VLA主要分为三类范式：显示端到到VLA，隐式端到端VLA以及分层端到端VLA。

显示端到到VLA，是最常见最经典的范式。通常是将视觉语言信息压缩成联合的表征，然后再基于这个表征去重新映射到动作空间，生成对应的动作。这类端到端的范式依赖于先前广泛的研究先验，通过不同架构（diffusion/ transformer/dit），不同的模型大小，不同的应用场景（2d/3d）,不同的任务需求（从头训/下游微调），产生了各类不同的方案，取得了不错的性能。

隐式端到端VLA，则不同于前者，更加关注工作的可解释性，旨在利用当前的video diffusion模型实现未来状态的预测，再根据未来的状态通过逆运动学规律生成未来可执行的动作。通过显式的生成未来观测不仅提高了可解释性，同样也增加了避开机器人动作而scalingVLA模型的潜能。

分层端到端VLA，则关注于充分利用大小模型的特点，提升模型的泛化性同时也保留对于下游执行频率的高效性，近来也成为了研究的热点。

入门学习依然很困难？

无论是显示端到到VLA，还是隐式/分层端到端VLA，其中涉及到的模块、细节众多。这类知识点琐碎，系统也比较复杂，如果没有比较好的教程带着入门，往往会踩坑，后期不知道怎么学习。如何进行感知编码、动作生成？不同架构的优缺点是什么？泛化性和通用性如何保留？数据是怎么采集的？联合训练怎么做？这些都是阻挡新手入门以及进阶的难点。

扫码领取优惠券，欢迎试听学习