This page collects WhisperX intelligence signals tagged #VLA. It is designed for humans, search engines, and AI agents: each item links to a canonical source-backed record with sector, source, timestamp, credibility, and exportable structured data.
具身智能领域长期存在的技术路线之争，正从对立转向融合。围绕VLA（视觉-语言-行动）模型与WMA（世界模型+动作策略）模型孰优孰劣的讨论曾是行业热点，如今，领先的机器人公司正通过实际行动推动两者协同。智元机器人近日正式启动了“AGIBOT WORLD CHALLENGE @ ICRA 2026”机器人赛事，其两大核心赛道——“推理-操作”与“世界模型”——正是对这一融合趋势的直接呼应。 智元机器人Genie业务部生态及解决方案总监沈咏剑明确表示，从长期趋势看，世界模型与VLA并非简单的替代关系，未来存在结合的可能。他指出，VLA路径让机器人基于视觉和语言指令直接生成动作，但在面对更复杂、长链条的任务时已显不足。机器人需要更深层的理...
当前，具身智能的视觉-语言-动作（VLA）赛道正深陷“碎片化”泥潭。不同研究团队采用异构的动作解码范式、强耦合的数据管线以及互不兼容的评测协议，导致方法难以横向对比，模型复现成本极高，严重拖慢了基础模型的迭代节奏。香港科技大学开源的新项目StarVLA，没有选择堆砌算力或盲目刷榜，而是从系统抽象层面直击这一核心痛点。 StarVLA的核心洞察在于，揭示了当前看似对立的VLM-based与World-Model-based范式，本质上是同一策略框架下不同辅助学习信号的变体。基于此，团队构建了一套高度模块化、接口统一的“乐高式”开源底座。该架构采用策略中心化公式，将多模态观测、语言指令与未来动作块映射到同一计算图中。研究者可以像搭乐高...
英伟达具身自主研究团队负责人Jim Fan在AI Ascent大会上投下一枚重磅炸弹：以95%的置信度押注，2040年机器人技术树将彻底解锁。机器人技术树指从底层硬件、中层感知到上层决策的完整技术栈。Fan的逻辑简洁而大胆——机器人领域正在完整复制大语言模型的成功路径，从预训练到推理再到自动化研究，“这是对LLM成功路径的全面复刻”。他甚至开场即坦言：“LLM团队正在享受他们人生中最辉煌的时刻，机器人领域为什么不能也沾沾光？” 这场演讲的核心争议在于对现有主流训练方法的直接挑战。过去三年，VLA（视觉-语言-动作模型）几乎是机器人行业的标准答案，英伟达自家Groot与明星公司Pi均采用此路线。但Fan毫不客气地指出：VLA本质是“...