温馨提示 ： 点击下方图片，查看运营团队2025年6月最新原创报告（共235页） 说明： 欢迎约稿、刊例合作、行业人士交流 ， 行业交流记得先加入 "机器人头条"知识星球 ，后添加（ 微信号：lietou100w ） 微信； 若有侵权、改稿请联系编辑运营（微信：li_sir_2020）； 正文： 早期小编整理文章 【技术干货】"具身智能 "技术最全解析 ， 本篇文章重点解读现阶段大火的 视觉-语言-动作 (VLA)模型， 一种整合视觉（Vision）、语言（Language）和动作（Action）的多模态模型 。 2022年，Google和CMU相继推出"SayCan"、"Instruct2Act" 工作，Transformer模型既看图、又读指令、还能 生成生成动作轨迹成为可能；2023年，随着谷歌DeepMind推出RT-2模型，机器人可以端到端地从给定的语言指 令和视觉信号，直接生成特定的动作，具身智能领域也迎来了一个新名词： VLA（Vision-Language-Action Model，视觉-语言-动作模型）。 如果说过去十年，机器人领域的焦点先后经历了「看得见」的视觉感知、「听得懂」的语言理解， ...

具身智能与VLA模型技术发展 核心观点 - VLA模型（视觉-语言-动作模型）是整合视觉、语言和动作的多模态模型，推动机器人从"看得见"、"听得懂"迈向"动得准"的新阶段 [1] - 2022年Google和CMU的"SayCan"、"Instruct2Act"工作首次实现Transformer模型同时处理视觉、语言和动作轨迹生成，2023年谷歌DeepMind的RT-2模型进一步实现端到端动作生成 [1] - VLA模型被视为端到端大模型2.0，其核心优势在于拟人化推理与全局理解能力，显著缩短指令理解与任务执行的距离 [2][3] 技术框架与特性 - **核心组件**：视觉编码器（提取图像特征）、文本编码器（处理指令）、动作解码器（输出10-30秒动作路径） [2] - **四大特性**： 1 架构继承（仅新增动作输出模块） 2 动作token化（将动作转化为语言形式表示） 3 端到端学习（感知-推理-控制一体化） 4 可泛化性（预训练VLM支持跨任务迁移） [4] 行业应用与挑战 - **商业化进展**：2025年起多家公司发布自研VLA模型，双系统架构（分离VLM与动作执行模型）成为主流技术路径 [5][6] - **数据瓶颈**：训练需大规模多模态同步数据，但硬件商用不足导致数据采集成本高，依赖专家数据集限制复杂任务表现（如RT-2难以处理"准备早餐"等多步骤任务） [7] - **技术缺陷**：缺乏长期规划能力，VLM（大脑）与动作模型（小脑）连接依赖语言指令直接映射，时序处理不足导致长流程任务中易出现步骤遗漏或逻辑混乱 [7] 行业生态与趋势 - **主流玩家分类**：涉及五类企业，技术方案涵盖双架构VLA模型等5大类方向 [5] - **赛道热点**：车企、产业链公司及智驾从业者加速涌入，技术路线聚焦"大脑优先"与"运动优先"之争 [5] - **落地场景**：需突破灵巧手等执行端技术（被称为机器人"最后一厘米"），解决商业化卡点 [5]