TAG:VLA模型
智元ACoT-VLA入选CVPR 2026 开源助力AGIBOT挑战赛
智元机器人联合北京航空航天大学推出的ACoT-VLA架构入选CVPR 2026，开创了在动作空间进行推理的思维链范式。该模型通过显式与隐式推理模块的结合，显著提升了机器人在复杂环境下的操控性能，并作为AGIBOT WORLD CHALLENGE的基线模型开源，助力全球开发者推动具身智能技术的发展。
0 
0 
PI VLA模型解读：多尺度具身记忆终结机器人金鱼脑
本文解读了Physical Intelligence团队提出的多尺度具身记忆（MEM）技术，该技术为VLA模型赋予了长达15分钟的连贯记忆能力，使机器人能够完成复杂的长时程任务。文章深入分析了机器人记忆实现的技术困境，包括存储与延迟的矛盾、长短时记忆的差异等问题，并展示了MEM如何突破这些瓶颈，推动具身智能进入全任务统筹的新阶段。
KAIST与UC Berkeley团队为VLA模型赋予记忆 实测成功率提升一倍
KAIST和UC Berkeley团队提出的HAMLET框架为视觉-语言-动作模型添加了历史记忆能力，解决了机器人在长时任务中因缺乏上下文而失败的问题。该轻量级插件通过时刻令牌和记忆模块整合关键历史信息，无需从头训练大模型，即在真实场景任务中将成功率提升高达47.2%，同时保持高效推理速度。
国产开源双臂机器人LingBot-VLA问世，2万小时实拍数据开启机器人GPT时刻
LingBot-VLA是一款国产开源双臂机器人视觉-语言-动作基础模型，通过整合9个主流平台约2万小时的真实世界操作数据进行预训练，显著提升了模型泛化能力和训练效率。该模型采用先进的视觉-语言骨干网络与扩散式动作头架构，在RoboTwin 2.0基准测试中表现出优越性能，并验证了数据规模与任务成功率之间的缩放法则。
Helix 02：移动与操作融合，实现人形机器人全身控制的VLA模型
本文介绍了Figure公司发布的Helix 02模型，该模型通过三层系统架构（System 0/1/2）实现了人形机器人移动与操作的无缝融合。文章详细阐述了其如何解决传统方案中动作僵化、切换迟缓的问题，通过统一的视觉语言模型（VLA）实现从场景理解到全身关节控制的实时、自主协同，提升了机器人在动态环境中的鲁棒性和自然运动能力。
具身智能需摆脱中国先研国外带火怪圈
本文探讨了具身智能领域的发展现状，指出中国研究者在关键技术架构上早有先见，却常由海外团队带火的现象。文章以VLA模型为例，分析了中国团队如智平方在RoboMamba等创新上的突破，强调中国玩家正以更系统、深入的方式参与智能竞争，避免历史重演。内容涵盖技术演进、行业格局及未来挑战，旨在回归系统与架构的本质思考。
微软跨维智能新品发布 阶跃星辰临界点获融资
本文报道了近期具身智能领域的重要动态，包括微软发布首个机器人VLA+模型Rho-alpha、跨维智能开源具身智能工具链EmbodiChain、日本公司推出人形机器人Cinnamon 1，以及阶跃星辰、临界点、浙江人形等多家公司完成大额融资。文章梳理了技术突破与资本动向，展现了具身智能产业的快速发展与商业化前景。
PI VLA模型解读：从π0.6到人机技能迁移的涌现
本文是PI VLA模型解读系列的第三篇，重点介绍了Physical Intelligence发布的具身智能VLA模型π0.6的架构设计、训练数据及改进点，并探讨了其引入的RECAP方法以及观察到的人机技能迁移涌现现象，展现了模型在机器人操作任务中性能的显著提升。
PI VLA模型解读系列二：π0.5模型与实时分块算法RTC
本文深入解读PI VLA模型系列的第二部分，重点介绍了从π0.5模型到实时分块算法（RTC）的技术演进。文章详细阐述了π0.5模型如何通过多源异构数据协同训练提升泛化能力，以及知识绝缘VLA（π0.5-KI）新范式如何实现高效训练与精准控制。同时，解析了实时动作分块算法的原理及其对VLA模型的普适性价值。
智元SOP突破机器人训练瓶颈 VLA模型实现分布式在线后训练
智元机器人提出的SOP系统是一种可扩展在线后训练框架，旨在解决VLA模型在真实世界部署中面临的挑战。该系统通过闭环的Actor-Learner架构，利用异构机器人集群持续采集交互数据，实现云端集中优化和分钟级参数同步，从而在保持模型通用性的同时提升任务执行熟练度。研究表明，SOP能显著提升VLA模型性能，且效率随机器人规模扩大而线性增长。
黄仁勋推动自动驾驶板块 英伟达开源模型助力智驾普及
英伟达在CES上开源视觉-语言-行动（VLA）模型Alpamayo 1，旨在增强自动驾驶决策能力，推动L4级自动驾驶发展。该模型与仿真框架及数据集共同构建开发闭环，引发全球车企关注。消息带动自动驾驶板块股价上涨，国内车企如理想、小鹏等也在积极布局VLA技术，加速'智驾平权'进程。
PI VLA模型解读系列：从π0模型到Hi Robot
本文系统解读了Physical Intelligence（PI）从2024年10月到2025年12月在具身智能VLA模型领域的发展历程。文章详细介绍了π0模型的混合专家架构、工作流程及其与PaliGemma的区别，并梳理了后续π0-FAST、Hi Robot系统、π0.5、π0.5-KI、π0.6等关键模型与技术的演进，如FAST分词器、知识绝缘范式、实时动作分块算法和RECAP方法，展现了PI在机器人视觉-语言-动作模型上的技术突破与创新路径。
2025具身智能复盘：爆发与瓶颈并存，未来十年如何布局？
本文深度复盘2025年具身智能产业的发展现状，分析了从技术突破到商业化的关键节点。文章探讨了VLA模型如何让机器人实现‘看得懂、听得懂、做得到’，并对比了国内外市场冰火两重天的竞争格局，包括宇树、Figure AI等企业的动态，以及特斯拉Optimus面临的挑战。最后，文章展望了行业未来十年的发展趋势与投资布局方向。
原力灵机发布GeoVLA框架 机器人3D视觉实现突破
原力灵机推出GeoVLA框架，通过创新的双流架构解决传统VLA模型的空间失明问题。该框架结合语义理解、几何感知和动作生成，赋予机器人真正的3D视觉能力，在仿真和真实环境测试中均表现出卓越的性能和鲁棒性。
小鹏理想隔空交锋 多家企业押注VLA背后智驾路线或走向融合
文章报道了小鹏汽车何小鹏与理想汽车郎咸朋围绕VLA（视觉语言动作模型）技术路线的公开讨论，揭示了自动驾驶行业在VLA与世界模型之间的技术分歧。内容分析了两种方案的核心差异、代表性企业的立场，并探讨了未来技术融合的可能性，为读者理解智能驾驶发展趋势提供了专业视角。
