TAG:VLA模型
星动纪元拿下具身奥林匹克三项全球第一 成绩超越PI
在真机具身智能顶级赛事Benjie's Humanoid Olympic Games中，星动纪元凭自研VLA具身模型在剥橘子、开锁、翻袜子三项任务全面超越Physical Intelligence（PI），斩获三项全球第一并刷新纪录。文章解析赛事严苛规则、关键指标与星动纪元在小样本学习、视觉注意力与高频推理规划等技术上的突破。
0 
0 
RL Token攻克VLA精度难题 在线强化学习助机器人精准操控
RL Token提出一种创新的在线强化学习框架，通过轻量级接口让预训练VLA模型在真实机器人上实现高精度操作的快速优化。该方法在保持泛化能力的同时，解决了传统方法在‘最后一厘米’精度任务中的效率与稳定性难题，为机器人灵巧操控提供了高效、可落地的技术路径。
UNC团队攻克VLA模型痛点 新方案提升任务成功率17%
北卡罗来纳大学教堂山分校团队揭示VLA模型在真实场景中因视觉主导语言而产生的指令偏离问题，提出无需修改架构的CAG优化方案，通过双分支对比引导语言决策，使任务成功率平均提升17.2%，反事实失效显著减少，为具身智能落地提供关键突破。
DreamZero开创具身智能新范式 语言理解迈向世界建模
本文探讨了具身智能领域中VLA模型面临的泛化能力不足和物理建模困难等问题，并介绍了英伟达推出的DreamZero，一种基于预训练视频扩散模型的新一代世界动作模型（WAM），通过整合视频与机器人动作，实现了跨任务、跨环境的零样本泛化和实时控制。
智元机器人ACoT-VLA框架获CVPR 2026收录 实现机器人动作空间自主决策
本文介绍了智元机器人联合北航团队提出的ACoT-VLA框架，该框架直接在动作空间进行思考决策，成功解决机器人执行动作中的语义与运动鸿沟问题，并在LIBERO、LIBEROPlus和VLABench三大基准测试中取得优异成绩。文章也探讨了其技术原理和创新点。
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。
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。
