VLA-视觉语言动作模型

视觉 - 语言 - 动作（VLA）模型是人工智能领域的变革性进展，致力于将感知、自然语言理解和实体动作统一于一个计算框架。

应用领域多样，如仿人机器人、自动驾驶汽车、医疗和工业机器人、精准农业、增强现实导航等。主要挑战涉及实时控制、多模态动作表示、系统可扩展性、对未知任务的泛化以及道德部署风险等。

reference

---

VLA模型最新综述！近80多个VLA 模型，涉及架构、训练，实时推理等

https://zhuanlan.zhihu.com/p/1907961280112877856