行行查
行业研究数据库
人工智能行业研究:VLA(视觉语言动作模型)技术架构与核心组件拆解
- 人工智能
- 大模型
- 无人驾驶
图15系统梳理了视觉语言动作模型(VLA)的技术架构与核心组件。整体分为三大部分:左侧为“核心组件拆解”,中间为“VLA架构范式”,右侧为“VLA学习与优化机制及相关模型”。
在核心组件层面,VLA依赖三大模块:动作生成方法(含自回归分词器、扩散头、流匹配等)、预训练语言模型(如LLaMA、GPT系列、OPT、PaLM等,其中T5、Flan-T5、Qwen兼具编码-解码能力),以及预训练视觉模型(包括CLIP、SigLIP、DINOv2、R3M、ZoeDepth、XMEM、SAM系列等)。
中间的架构范式呈现典型流程:状态输入经视觉编码器与语言编码器分别处理后,送入动作解码器,最终输出动作指令。该结构强调多模态对齐与动作生成的端到端协同。
右侧则按学习机制分类:强化学习类模型有MoRE、ConRFT、iRe-VLA、NaVILA、VLAC;模仿学习类涵盖CLIPORT、RT-1/2、Gato、VIMA、PERACT、RoboAgent、RT-Trajectory、SayCan、CLIP-RT、Diffusion Policy、IRL-VLA;世界模型类包括RoboHorizon、ThinkAct、FOR
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能系列(二):AI驱动下的电子行业新周期 | 2026-10-24 | 35 | ||
| 人工智能行业专题(24):AI短剧:注意力经济新兴市场,AI赋能工业化生产 | 2026-10-26 | 32 | ||
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 电力设备与新能源行业周报:特斯拉Optimus量产继续推进,全面实施“人工智能+”行动 | 2026-10-27 | 15 | ||
| 《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 |

行研数据库
创投数据库
证券数据库
商业数据库










