98. 逐篇讲解机器人基座模型和VLA经典论文——“人就是最智能的VLA”

摘要

訪談由陳建宇主講，梳理人形機器人從專用走向通用的演進路徑，重點解析 VLA（視覺語言動作）基座模型與經典論文。內容涵蓋如何利用大語言模型替代規劃、感知與執行，並探討Scaling Law在機器人領域的應用前景與商業落點。

An interview discussing the evolution of humanoid robots towards general-purpose VLA models and key foundational papers in the field.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 大語言模型推動機器人從專用開發轉向通用基座模型。
• VLA架構透過視覺語言模型整合感知與動作決策。
• 機器人領域Scaling Law已見端倪，應用潛力大於語言模型。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00通用 VLA 模型與具身智慧背景
2. 05:11AI 與機器人融合發展脈絡
3. 41:39ACT 架構與多視角輸入處理
4. 45:51模仿學習與阿羅哈系統
5. 50:35Gato 統一模型與多模態整合
6. 56:02RT-1 任務成功率與資料多樣性
7. 59:05Google、Berkeley 與派共同研發跨形態 VLA
8. 1:06:56加入預測未來影像以增強模型理解能力
9. 1:13:07利用預訓練語言模型並進行微調訓練
10. 1:54:17在模擬與真機上驗證多工泛化能力
11. 2:05:05結合強化學習突破監督學習效能瓶頸
12. 2:09:25作者本科研究雙足機器人控制與硬體
13. 2:24:13探討機器人領域 Scaling Law 與商業化前景

提到的工具與公司

• VLM
• DoReMi
• VoxPoser

適合誰看

對具身智慧、機器人技術趨勢或相關創業方向感興趣的讀者。

摘要依據

講者

张小珺

依據

語音轉文字

為什麼排在這裡

人氣

0.33

新鮮

0.12

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Inside the World's Smartest Robot Brain [VLA]影片 ・ Welch Labs ・ 35 分鐘（在新分頁開啟原站）
• Ep 70: Karol Hausman and Danny Driess (Physical Intelligence) Unpack the Most Recent Breakthroughs & Path to Generalist RobotsPodcast ・ Unsupervised Learning ・ 1 小時 10 分
• Robot-Use Agents: Why General-Purpose Models May Win in Robotics影片 ・ Y Combinator ・ 30 分鐘
• 机器人的终局：英伟达 Jim Fan 宣告 VLA 时代结束，WAM 登场文章 ・ 寶玉
• 于是转身向具身走去｜对话王家伟：24 岁的具身智能首席科学家Podcast ・ 十字路口Crossing ・ 1 小時 10 分
• Physical Intelligence与机器人开源革命：“免费大脑”背后的四派力量与博弈｜机器人特辑影片 ・ 硅谷101 ・ 37 分鐘