VLA-OS：NUS邵林团队探究机器人VLA做任务推理的秘密
VLA-OS：NUS邵林团队探究机器人VLA做任务推理的秘密为什么机器人能听懂指令却做不对动作？语言大模型指挥机器人，真的是最优解吗？端到端的范式到底是不是通向 AGI 的唯一道路？这些问题背后，藏着机器智能的未来密码。
来自主题: AI技术研报
6006 点击 2025-08-01 11:18
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
为什么机器人能听懂指令却做不对动作？语言大模型指挥机器人，真的是最优解吗？端到端的范式到底是不是通向 AGI 的唯一道路？这些问题背后，藏着机器智能的未来密码。
打通机器人智能化的关键：眼+脑+手。
如今的具身智能，早已爆红AI圈。数据瓶颈、难以多场景泛化等难题，一直困扰着业界的玩家们。就在WAIC上，全新具身智能平台「悟能」登场了。它以世界模型为引擎，能为机器人提供强大感知、导航、多模态交互能力。
在 7 月 26 日召开的 WAIC 世界人工智能大会上，AI Agent、具身智能被推上了 C 位：从行业论坛到展台
WAIC大会上，这个机器人凭惊艳实力引起了层层围观！叠衣服、分拣物品、听指令取货，他们研发的Mech-GPT多模态大模型和「眼脑手」系统，让机器人的高难度操作性能暴增。现在，这家公司已经成为市占率连续五年的行业冠军了。
腾讯一口气发布3个具身模型，包括动态感知、规划、感知行动联合模型，分别对应人类的左脑、右脑和小脑。
陈建宇（星动纪元创始人）、高阳（千寻智能联合创始人）、吴翼（蚂蚁集团强化学习实验室首席科学家）、许华哲（星海图联合创始人）的分享（题图从左至右），基本代表了国内具身智能领域最先进的成果展示。
在复杂的开放环境中，让足式机器人像人类一样自主完成「先跑到椅子旁，再快速接近行人」这类长程多目标任务，一直是 robotics 领域的棘手难题。传统方法要么局限于固定目标类别，要么难以应对运动中的视觉抖动、目标丢失等实时挑战，导致机器人在真实场景中常常「迷路」或「认错对象」。
一年一度的世界人工智能大会现场探展，我们被这个「闲不住」的人形机器人圈粉了。2025 年行至过半，人工智能领域的前沿热点屡屡破圈，其中具身智能（Embodied AI）及其载体在国内格外受到了关注，尤其是人形机器人。
机器人能通过普通视频来学会实际物理操作了！ 来看效果，对于所有没见过的物品，它能精准识别并按照指令完成动作。