本文只做学术分享，如有侵权，联系删文具身智能被广泛认为是通用人工智能（AGI）的关键要素，因为它涉及控制具身智能体在物理世界中执行任务。在大语言模型和视觉语言模型成功的基础上，一种新的多模态模型——视觉语言动作模型（VLA）已经出现，通过利用它们独特的生成动作的能力来解决具身智能中的语言条件机器人任务。近年来，业内开发了各类VLA，文章提出了第一个关于具身人工智能的VLA的调查。这项工作提供了VL

本文只做学术分享，如有侵权，联系删文具身智能被广泛认为是通用人工智能（AGI）的关键要素，因为它涉及控制具身智能体在物理世界中执行任务。在大语言模型和视觉语言模型成功的基础上，一种新的多模态模型——视觉语言动作模型（VLA）已经出现，通过利用它们独特的生成动作的能力来解决具身智能中的语言条件机器人任...