行行查
行业研究数据库
人工智能行业研究:三种VLA示意图
- 人工智能
视觉-语言-动作模型(VLA)是实现具身智能的关键技术路径之一,其核心目标是让智能体能够理解语言指令与视觉环境,并据此生成相应的物理动作。当前主流的VLA架构主要分为三种类型:模块化VLA、端到端VLA和混合VLA。
模块化VLA采用分阶段处理方式,将整个流程划分为感知、决策和执行三个独立但协同的模块。在感知阶段,系统通过语言指令和视觉输入分别进行信息提取,融合后形成对环境的理解;随后进入决策阶段,利用策略生成网络动态调整行为策略;最后在执行阶段,动作生成模块将策略转化为具体的具身动作,如机械臂操作等。该架构强调各模块之间的解耦与实时反馈,具备较强的可解释性和灵活性。
端到端VLA则追求一体化设计,直接从语言和视觉输入出发,通过特征提取层(如Transformer和CNN)联合处理多模态信息,再由推理骨干(包括大语言模型和视觉-语言模型)进行深度理解与推理,最终通过扩散模型输出决策结果,并经由动作头转化为具体动作序列。这种架构简化了流程,提升了整体效率,但在调试和优化过程中可能面临更高的复杂性。
混合VLA结合了前两种架构的优势,引入Prompt注入机制和显示推理层,使模型能够在生成动作之前进行显式推理
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 | ||
| 人工智能行业周观点:Anthropic下周正式挂牌,OpenAI推出ChatGPT钱包与商户中心 | 2026-11-16 | 50 | ||
| 人工智能行业半月报(2026年11月第2期):Anthropic即将上市,黄仁勋辞去CEO等职务 | 2026-11-18 | 20 | ||
| 专题研究报告:人工智能在资本市场的应用现状与演进方向 | 2026-11-19 | 31 |

行研数据库
创投数据库
证券数据库
商业数据库










