核心观点 - FlowVLA模型通过视觉思维链（Visual CoT）原则解决传统VLA世界模型的根本缺陷，将动态运动与静态外观解耦，显著提升长时程预测的物理合理性和下游任务样本效率 [1][8][36] - 模型在单自回归Transformer中统一外观与运动推理，采用"帧→光流→帧"的两阶段结构化预测流程，避免像素复制陷阱并增强物理动态理解 [9][12][14] - 实验验证显示，FlowVLA在LIBERO和SimplerEnv基准测试中达到最先进性能，长时程任务成功率提升显著，低数据场景下样本效率优势达55% [20][22][30] 技术架构创新 - 引入视觉思维链（Visual CoT）原则，强制模型先预测中间光流编码运动动态，再基于光流生成未来帧，实现动态与外观学习的解耦 [8][12][14] - 采用共享分词方案，将2通道光流场转换为RGB类图像，通过相同VQ-GAN分词器处理光流与原始帧，保持参数效率和架构简洁性 [9][15] - 两阶段训练范式：预训练阶段从无动作视频学习通用物理规律，微调阶段适配机器人控制任务，损失函数仅针对动作令牌计算 [15][16][19] 性能表现 - LIBERO数据集平均成功率88.1%，超越所有对比模型，其中长时程任务成功率72.6%较基线提升显著 [20][21] - SimplerEnv数据集平均成功率74.0%，在视觉偏移场景（如堆叠积木任务62.5%）表现优异，验证对真实环境变化的强适应性 [22][23] - 低数据场景下峰值成功率比基线高55%，仅用1000训练步数即超越基线峰值性能，样本效率优势显著 [30][32] 关键组件验证 - 消融实验显示：移除Visual CoT结构使成功率下降至64.0%，移除光流监督降至69.5%，证明核心设计必要性 [33][34] - 定性分析表明FlowVLA预测结果符合物理规律（无机械臂消失或物体运动异常），且与语言指令语义对齐 [24][26][29] - 统一分词方案和交错序列格式贡献49.4%基础性能，分组序列结构对整体效果有关键影响 [33][34] 行业价值定位 - 突破传统VLA模型端到端学习局限，提供动态优先的世界模型构建范式，为通用机器人开发奠定物理推理基础 [35][36] - 解决预训练被动观测知识与策略学习主动控制知识的领域差距，显著降低下游任务微调成本和收敛时间 [7][10][30] - 光流预测提供任务无关的低层物理理解，可作为高层控制基础，弥补现有具身推理方法在物理动态建模方面的不足 [35][36]

双臂机器人训练瓶颈 - 真实示教数据规模化获取成本高耗时长 难以覆盖足够多任务物体形态与硬件差异 [2] - 现有仿真缺乏针对新任务的高效可扩展专家数据生成方法 [2] - 域随机化设计过于表层 无法模拟真实环境中的复杂性 [2] - 未考虑不同双臂平台在运动学与抓取策略上的行为差异 导致数据合成方案难以在新环境或新硬件上泛化 [2] 技术资源与竞赛 - RoboTwin平台提供代码库论文及使用文档 涉及双臂机器人仿真与训练 [3] - CVPR RoboTwin竞赛技术报告展示真实场景机器人导航与运动控制方案 [3][4] - BridgeVLA方案实现真机性能提升32% [4] 行业技术进展 - VR-Robo技术通过real2sim2real框架助力真实场景机器人导航与运动控制 [4] - UniVLA方案高效利用多源异构数据构建通用可扩展机器人动作空间 [5] - 行业关注遥操技术流畅度对机器人操作性能的影响 [5] 深度内容获取 - 具身智能之心知识星球提供完整技术细节QA及未公开彩蛋 涵盖双臂机器人训练仿真等专题 [1][4]

世界模型与多模态融合 - 世界模型正加速成为连接感知、理解与决策的关键基座，重塑多模态边界[4] - 现有方法多以语言模态为中心，忽视视觉信息的时序动态与因果结构[5] - UniVLA通过原生建模视觉、语言与动作信号，引入世界模型增强下游决策性能[5][14] UniVLA模型架构 - 采用全离散自回归机制，统一视觉、语言与动作信号的离散token表示[8][9] - 构建视觉-动作交错的多模态时序序列，支持原生统一建模[9] - 自回归训练范式高效稳定，具备大规模扩展潜力[9][24] 技术突破与性能表现 - 后训练阶段仅需海量视频数据，无需依赖大量动作标签即可提升决策性能[14] - 在CALVIN基准上平均成功率达95.5%，长程任务（LONG）成功率94.0%，显著超越TO-FAST的60.2%[19] - LIBERO基准整体成功率69.8%，较Robo VLMs提升32.3个百分点[20] - SimplerEnv任务中世界模型策略取得64.6%成功率，较基线提升64.6个百分点[16] 应用场景与未来方向 - 展现出真机操控和自动驾驶等现实场景的应用潜力[5] - 提出视频版VLA架构，有效捕捉时空动态特征[23] - 未来将探索与多模态强化学习深度融合，提升开放世界决策能力[24] 行业影响 - 刷新CALVIN、LIBERO、SimplerEnv等主流具身智能基准的SOTA纪录[5][17][18] - 为机器人从视频中学习真实世界知识提供新路径[15] - 开创区别于传统VLM拓展路径的全新技术路线[22]

市场表现 - 2025年5月14日沪深300指数上涨1.21%，机械板块下跌0.43%，在一级行业中排名第29 [1][2] - 细分行业中半导体设备涨幅最大（+0.79%），工程机械跌幅最大（-1.96%） [1][2] - 个股涨幅前三：恒而达（+20.00%）、中集环科（+19.97%）、大叶股份（+12.98%） [1][2] - 个股跌幅前三：磁谷科技（-8.20%）、信宇人（-7.46%）、德马科技（-6.19%） [1][2] 公司公告 - 新时达股东王春祥减持0.15%股份，减持前持股比例分别为2.12%和1.25% [3] - 光格科技股东北京基石创业投资基金减持0.27%股份，减持前持股5.00% [3] - 凤形股份股东江西泰豪技术减持1.02%股份，减持前持股7.92% [3] - 卓兆点胶股东英豪创业投资减持0.2914%股份，减持前持股1.2230% [3] 高管变动 - 天宜上佳总裁杨铠璘辞职，改聘孟利为新任总裁，杨铠璘保留副董事长职务 [4] - 中国铁物董事袁宏词辞去董事及提名委员会委员职务，监事侯治国辞去监事职务 [5] 行业创新 - 智元机器人与香港大学联合推出通用策略学习系统UniVLA，实现跨本体/场景/任务的机器人控制，预训练GPU耗时仅为竞品1/20，在LIBERO仿真平台四项指标平均成功率提升18.5% [6] - UniVLA仅用10%数据即在LIBERO-Goal达到62.4%成功率，显著优于OpenVLA（11.6%）和OpenVLA-OFT（43.0%） [6] 技术突破 - 郑州信大壹密科技发布国内首款实用化抗量子密码芯片"密芯PQC01"，国产化率100%，采用28nm工艺，功耗降低60% [7][8] - 该芯片集成国际格基算法与国产标准化算法，支持动态切换加密模式，达到金融级安全认证标准 [7][8] - 已与苏州国芯科技、郑州大学合作推进政务、金融等场景试点应用 [8]