仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
机器之心PRO·会员通讯Week16
—本周为您解读②个值得细品的AI&Robotics业内要事—
1.探索ActionSapce，VLA在如何演化？
VLA目前有哪些主要研究方向，需要解决哪些关键挑战？在VLA的关键问题及研究路径上，业界有哪些共识与非共识？…
2.5亿月活用户的OpenAI，有哪些「软肋」？
SamAltman如何回应OpenAI的版权问题？在安全实践上被评为「D+」的OpenAI有哪些关键「软肋」？AGI时刻何时的到来是否真的能为人来带来好处？OpenAI对人工智能安全性保证都有哪些实际上的动作？…
本期完整版通讯含2项专题解读+28项本周AI&Robotics赛道要事速递，其中技术方面8项，国内方面10项，国外方面10项。
本期通讯总计18529字，可免费试读至8%
消耗99微信豆即可兑换完整本期解读（约合人民币9.9元）
1、2025年初，具身智能领域捷报频传，诸如FigureAI、英伟达、智元机器人等具身智能公司及团队陆续发布产品demo和模型进展，众多VLA模型相继涌现，也让这种多模态模型受到许多关注。
①许多VLA进展来自头部AI公司，如谷歌团队发布了GeminiRobotics，英伟达于GTC发布了GrootN1，微软则发布了VLA基础模型Magma。
②许多国内外创业团队同样发布了各自的VLA模型，如Figure发布了Helix、银河通用发布了GraspVLA、智元机器人则发布了Go-1基座模型及ViLLA架构。
2、这些VLA模型在发布时均展示了其对机器人控制任务的优越性能，但由于不同模型各有特点，模型架构均有差异，引发业界开始关注「VLA」的特征和方案差异。
3、VLA（视觉-语言-动作模型）是在具身智能研究中产生的一种多模态模型，用于处理具身智能系统所面对语言条件机器人任务。谷歌DeepMind在2023年7月发布的RT-2被认为是首个VLA，而后这种概念在具身智能、机器人和智驾领域中迅速扩散。
①具身智能被认为是实现AGI的有效路径，其特征在于涉及控制具身智能体在物理世界中执行任务，而机器人是则是具身智能中最为突出的研究领域。
②在语言条件下的机器人任务中，策略必须具备理解语言指令、视觉感知环境和生成适当行动的能力，因而需要VLAs的多模态能力。
③与早期的深度强化学习方法相比，VLAs在复杂环境中的多功能性、灵活性和泛化能力更强，因此它们不仅适用于受控环境（如工厂）中的任务，也适用于家庭日常任务。
④在RT-2发布不久后，智驾公司Wayve团队在2023年9月提出了相似概念的视觉-语言-动作模型（VLAM），称为LINGO-1，可通过语言解释自动驾驶系统的行为逻辑。（详情请见Pro会员通讯2023年Week38期）
4、作为一种新型的多模态模型，VLA的概念在近年来不断得到探索，并发展出许多不同的技术方案。2024年底，中科院自动化所的研究者在知乎文章中分享了他对VLA的思考，并尝试总结了各类VLA方案的特征。
①该文章将VLA方案分为五种类别，分别是经典方案、基于预训练LLM/VLM的方案、基于扩散模型的方案、结合LLM与扩散模型的方案和结合视频生成与逆动力学的方案。
表：各类VLA技术方案汇总[1-1]
5、在各类VLA方案中，SergeyLevine的创业公司PI、FigureAI和智源机器人作为具身智能领域的知名创企，其相关先后发布了具身智能系统。这些模型因各自的能力特征引起了极大关注。[1-2]
6、π0是SergeyLevine的PI团队在2024年10月提出的端到端VLA，也被该团队称为「通用机器人策略」。[1-3]
①π0由预训练的VLM作为基础骨干，采用了一种基于流匹配（flowmatching）的扩散方法，加入独立的动作专家模块构成。
