点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Cheng Yin等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 在机器人操作领域，"思考先于行动"（Think Before Acting）是突破端到端政策数据饥饿性的关键方向，但现有视觉 - 语言 - 动作（VLA）模型始终面临核心矛盾： 单一自回归解码器既要处理序列化推理，又要生成高维并行动作，导致运动控制精度下降、推理与动作缺乏强因果关联。 华中科技大学、清华大学等团队联合提出的 DeepThinkVLA ，通过 "混合注意力解码器 + 两阶段训练 pipeline" 的创新设计，完美化解这一冲突——既让模型具备连 贯推理能力，又保障动作生成的高效与精准，最终在 LIBERO 基准测试中实现 97.0% 的任务成功率，树立了 VLA 模型的性能新标杆。 DeepThinkVLA 的核心设计可概括为 " 以混合架构解决模态冲突，以两阶段训练强化因果关联，串联'基础推理学习 - ...