免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

作者｜李沐蓉

今年5月，英偉達(dá)機(jī)器人負(fù)責(zé)人 Jim Fan 在紅杉峰會上拋出一句話：「VLA已死」。

這四個(gè)字，把具身智能行業(yè)積壓已久的焦慮推上了臺面。

機(jī)器人泛化這道題，究竟該怎么解？

完成 10 億元 A 輪融資的 RoboScience，給出了自己的答案：VLOA（Vision-Language-Object-Action)。

VLOA，相比于 VLA 它在視覺和動作之間嵌入 Object，聚焦物體該怎樣動，模型不只是「看到并執(zhí)行」，而是能夠在一定程度上理解「動作如何在物理世界中發(fā)生與演化」。

VLOA 將任務(wù)轉(zhuǎn)化為對物體運(yùn)動軌跡的理解，再據(jù)此生成動作，這就從底層邏輯上一定程度上解決了泛化難題。

據(jù)了解，本輪融資主要用于持續(xù)深化 VLOA 模型，以及推進(jìn)自研機(jī)器人本體的工程化與量產(chǎn)。

10億融資背后，資本押的是什么？

資本對 RoboScience 的關(guān)注，其實(shí)在去年就已經(jīng)開始。

天使輪階段，京東、招商局創(chuàng)投、零一創(chuàng)投，便用兩億投出信任票。

到了今年 A 輪，融資規(guī)模進(jìn)一步擴(kuò)大，累計(jì)融資超過 13 億元，投資方包含多家國內(nèi)外知名產(chǎn)業(yè)巨頭和一線財(cái)務(wù)機(jī)構(gòu)。

資本持續(xù)追投的背后，是對團(tuán)隊(duì)能力和 VLOA 模型的押注。

RoboScience 團(tuán)隊(duì)的稀缺之處，在于它不僅擁有工程落地能力，更有前沿的學(xué)術(shù)研究成果。

創(chuàng)始人田野，本科畢業(yè)于中科大物理學(xué)院，后進(jìn)入斯坦福 AI Lab，師從吳恩達(dá)。

在蘋果工作的七年時(shí)間里，他擔(dān)任 Apple AI Platform 技術(shù)負(fù)責(zé)人，參與 Apple Intelligence、端側(cè)動態(tài)神經(jīng)網(wǎng)絡(luò)、編譯融合系統(tǒng)等核心項(xiàng)目研發(fā)落地，具備成熟的 AI 技術(shù)部署及生態(tài)構(gòu)建經(jīng)驗(yàn)。

這意味著，他并不僅理解模型，更理解如何把模型部署到硬件系統(tǒng)里。

團(tuán)隊(duì)另一位關(guān)鍵人物，首席科學(xué)家邵林，不僅是新加坡國立大學(xué)計(jì)算機(jī)系助理教授，還是 IEEE 機(jī)器人與自動化學(xué)會機(jī)器學(xué)習(xí)技術(shù)委員會的聯(lián)合主席。

他長期深耕于機(jī)器人感知與操作、強(qiáng)化學(xué)習(xí)、機(jī)器人操作模型等前沿領(lǐng)域，在 ICRA、IROS、IEEE 等頂會頂刊中發(fā)表過超 35 篇論文，技術(shù)成果走在行業(yè)前沿。

深受蘋果產(chǎn)品哲學(xué)的影響，這支團(tuán)隊(duì)從一開始就選擇了「模型自研+本體自研」的全棧路線。

他們認(rèn)為，如果模型和硬件脫節(jié)，將永遠(yuǎn)無法真正理解機(jī)器人在真實(shí)世界里的失敗到底出在哪兒，是感知錯(cuò)了，還是執(zhí)行不了？閉環(huán)迭代必須自己掌控兩端。

這種「軟硬一體化」的布局正好契合了資本對硬科技閉環(huán)能力的偏好。

普華資本在領(lǐng)投 Pre-A 輪時(shí)的評價(jià)，精準(zhǔn)概括了市場對這條路線的期待：

RoboScience 獨(dú)創(chuàng)的 VLOA 大模型架構(gòu)，以及快慢腦分層系統(tǒng)，不僅解決了行業(yè)長期存在的泛化性難題，更通過自研的 RoboMirage 仿真引擎構(gòu)建了高效的數(shù)據(jù)閉環(huán)，為通用機(jī)器人的實(shí)現(xiàn)鋪平了道路。

VLOA模型，突破具身智能泛化瓶頸

過去兩年，VLA 模型幾乎成為整個(gè)機(jī)器人行業(yè)最主流的大腦模型，視覺看見環(huán)境、語言理解任務(wù)、動作執(zhí)行指令。

它給機(jī)器人提供了一套簡單、統(tǒng)一、易于講述的「大腦范式」，第一次讓機(jī)器人具備了任務(wù)理解能力。

優(yōu)必選 Walker S2、智平方 AlphaBot 2，都在不同程度上搭載或強(qiáng)調(diào) VLA 模型。

但問題逐漸暴露，VLA 似乎只能理解任務(wù)，不能理解物理世界。

4 月，一篇發(fā)表在 arXiv 上的論文用因果干預(yù)實(shí)驗(yàn)論證了 VLA 模型在動態(tài)場景中「災(zāi)難性地失敗」。

當(dāng)環(huán)境發(fā)生變化時(shí)，模型傾向于重復(fù)先前的動作，而不是根據(jù)新狀態(tài)調(diào)整，更嚴(yán)重的是，在復(fù)雜場景下，多模態(tài)語義特征會發(fā)生「語義坍塌」，導(dǎo)致模型失去區(qū)分能力。

Covariant 聯(lián)合創(chuàng)始人 Peter Chen 曾直言：

「VLA 擅長回答『這是什么』，卻不擅長回答『這樣做之后會發(fā)生什么』——它缺乏對物理因果鏈的理解。」

VLOA 模型，在傳統(tǒng) VLA 的基礎(chǔ)上，將「Object」單獨(dú)抽離出來，作為視覺-語言到動作之間的核心中間層。

RoboScience 認(rèn)為機(jī)器人所有操作，本質(zhì)上都是在改變物體在三維空間中的位置、姿態(tài)和交互關(guān)系。

無論是擰瓶蓋、疊衣服還是端起水杯，任務(wù)不管多復(fù)雜，最終都可以統(tǒng)一描述為「物體軌跡的變化」。

整個(gè)模型架構(gòu)拆成兩層：

上層是從 V→O（Vision to Object），由具身世界模型負(fù)責(zé)語義規(guī)劃，理解場景中的對象和指令意圖，回答物體應(yīng)該發(fā)生怎樣的狀態(tài)變化才算完成任務(wù)；

下層 O→A（Object to Action），由通用操作模型負(fù)責(zé)物理執(zhí)行，讓機(jī)器人依據(jù)物理規(guī)律操作物體，使其產(chǎn)生期望的運(yùn)動變化。

兩層之間傳遞的，是以 3D 點(diǎn)云軌跡形式表達(dá)的物體軌跡（Object Trajectory），包括物體的位置、姿態(tài)、運(yùn)動方向以及預(yù)測置信度。

換句話說，VLOA 試圖把「物體運(yùn)動」變成機(jī)器人理解世界的基礎(chǔ)語言。

這樣的路線，相比 VLA 有三個(gè)優(yōu)勢。

第一，泛化基礎(chǔ)更接近真實(shí)物理操作。

傳統(tǒng) VLA 更像「動作記憶」，而 VLOA 關(guān)注的是物體運(yùn)動規(guī)律，它更接近真實(shí)世界操作本質(zhì)。

第二，實(shí)現(xiàn)跨本體泛化。

上層世界模型并不綁定具體機(jī)器人形態(tài)，因此，同一套模型理論上可以遷移到不同機(jī)器人本體上，包括單臂、雙臂、人形、輪式機(jī)器人。

第三，更少的數(shù)據(jù)實(shí)現(xiàn)更優(yōu)的效果。

模型分層使得數(shù)據(jù)的收集和處理更有條理，他們抓住了機(jī)器人與物理世界交互的本質(zhì)，關(guān)注物體運(yùn)動的軌跡，讓使得海量視頻數(shù)據(jù)都能成為訓(xùn)練資源，降低對真機(jī)數(shù)據(jù)的依賴。

據(jù)團(tuán)隊(duì)披露，目前具身世界模型已經(jīng)積累數(shù)百萬小時(shí)多模態(tài)操作數(shù)據(jù)集，并以每周數(shù)十萬小時(shí)速度持續(xù)增長。

不久前，馬斯克也提到要用視頻訓(xùn)練替代真機(jī)數(shù)據(jù)，這也說明 RoboScience 路線的前瞻性。

泛化的終極答案，依然在路上

今天，整個(gè)具身智能行業(yè)，其實(shí)都在圍繞同一個(gè)終極目標(biāo)展開競爭：通用機(jī)器人。

真正的通用機(jī)器人，不是只會完成一個(gè)任務(wù)，而是能夠像人類一樣，在無限變化的世界中持續(xù)適應(yīng)。

當(dāng)前，具身智能泛化面臨著三重挑戰(zhàn)：

任務(wù)泛化，機(jī)器人能否理解并執(zhí)行從未見過的新任務(wù)指令，而不是只能重復(fù)訓(xùn)練過的固定流程；

場景泛化，機(jī)器人能否在陌生環(huán)境中維持穩(wěn)定工作，從實(shí)驗(yàn)室走向真實(shí)世界之后，依然保持可靠性；

對象泛化，機(jī)器人能否操作訓(xùn)練中從未出現(xiàn)過的新物體，從不同材質(zhì)、形狀，到重量、摩擦力、柔性結(jié)構(gòu)都發(fā)生變化時(shí)，依然具備穩(wěn)定操作能力。。

三重挑戰(zhàn)，讓具身智能從「可用」邁向「可靠」，異常艱難。

VLOA 模型的出現(xiàn)為破解泛化瓶頸提供了一條極具想象力的技術(shù)路徑，其實(shí)目前整個(gè)行業(yè)都在多條技術(shù)路線上，對泛化難題進(jìn)行攻堅(jiān)。

今年 4 月，Physical Intelligence 發(fā)布了最新的π0.7 模型，展示出一種令研究團(tuán)隊(duì)自己都感到意外的「組合泛化能力」。

在訓(xùn)練數(shù)據(jù)中，模型幾乎沒有見過空氣炸鍋相關(guān)操作，僅存在兩個(gè)極其邊緣的關(guān)聯(lián)片段。

但模型最終卻能夠通過拼合不同機(jī)器人操作片段、網(wǎng)頁預(yù)訓(xùn)練知識以及歷史動作經(jīng)驗(yàn)，形成對「空氣炸鍋如何工作」的功能性理解，并完成相應(yīng)任務(wù)。

利用組合泛化，模型不再死記硬背特定任務(wù)的解決方案，可以通過已有經(jīng)驗(yàn)遷移解決未知問題。

還有部分公司在推進(jìn)世界模型與 VLA 的融合路線。

智平方作為國內(nèi)最早布局端到端 VLA 的創(chuàng)業(yè)團(tuán)隊(duì)之一，在去年 11 月發(fā)布了 Video2Act 融合架構(gòu)，將世界模型與 VLA 結(jié)合。

不僅讓機(jī)器人「理解任務(wù)」，還讓機(jī)器人能夠預(yù)測物理變化過程，從而提升復(fù)雜環(huán)境下的推理與決策能力。

京東 Joy Future Academy 在 VLA 的框架下，提出了 JoyAI-RA 0.1 模型，引入了統(tǒng)一動作空間，為不同形態(tài)的機(jī)器人提供一套統(tǒng)一的動作接口。

模型可以在同一個(gè)空間內(nèi)學(xué)習(xí)人類視頻、仿真軌跡和真實(shí)機(jī)器人動作，顯著提升了跨實(shí)體知識遷移的效率。

這背后，其實(shí)反映出行業(yè)另一個(gè)重要趨勢：機(jī)器人正在嘗試擺脫「一機(jī)一模型」的割裂狀態(tài)。

還有，魔法原子發(fā)布自研世界模型 Magic-Mix。

該模型由兩個(gè)核心引擎構(gòu)成，Magic-Mix WAM 負(fù)責(zé)物理環(huán)境理解、空間推演與動作決策；

Magic-Mix Creator 則作為離線數(shù)據(jù)生成引擎，通過合成大批量訓(xùn)練數(shù)據(jù)，降低對昂貴、周期長的真機(jī)數(shù)據(jù)采集的依賴，為模型提供持續(xù)的數(shù)據(jù)供給，形成一個(gè)「數(shù)據(jù)生成-訓(xùn)練-反饋」的閉環(huán)。

本質(zhì)上，這套架構(gòu)直指 VLA 模型在真實(shí)世界中泛化不足和執(zhí)行不穩(wěn)定的長期痛點(diǎn)，讓機(jī)器人能夠理解物理世界、預(yù)測未來并做出決策。

行業(yè)針對 VLA 模型的爭議，在 5 月英偉達(dá)機(jī)器人負(fù)責(zé)人 Jim Fan 在紅杉 AI Ascent 峰會上的發(fā)言中達(dá)到頂點(diǎn)。

他給出的論斷「VLA 已死」引發(fā)激烈討論。

雖然不少研究者認(rèn)為 VLA 仍在諸多場景中發(fā)揮著不可替代的作用，但這一聲音至少折射出整個(gè)行業(yè)對現(xiàn)有模型泛化能力的擔(dān)憂。

智源研究院院長王仲遠(yuǎn)指出，最現(xiàn)實(shí)的路徑是通過「VLA +強(qiáng)化學(xué)習(xí)」攻克具體場景，讓機(jī)器人先干起來，在真機(jī)運(yùn)行中積累更多數(shù)據(jù)，形成數(shù)據(jù)閉環(huán)，最后再解決泛化性難題。

而智平方創(chuàng)始人郭彥東的判斷則是：

VLA 遠(yuǎn)遠(yuǎn)沒有結(jié)束，它是通往物理世界智能的最強(qiáng)主航道，行業(yè)正快速向「世界模型+VLA」的混合路線靠攏，下一代機(jī)器人大腦是類腦 VLA。

在這樣的行業(yè)背景下，RoboScience 的 10 億元 A 輪融資，其實(shí)是資本對「AI 大腦路線」的投票。

VLOA ，不是讓模型記住更多場景，而是讓模型理解操作的物理本質(zhì)，把「物體怎么動」學(xué)會，其泛化能力，最終必須讓成百上千臺機(jī)器人在真實(shí)環(huán)境中的持續(xù)運(yùn)行中得到驗(yàn)證。

目前陷入概念之爭，VLA是否已死、端到端還是分層、世界模型是終點(diǎn)還是過渡方案，還為時(shí)過早，也尚無必要。

最重要的是，如何通過架構(gòu)的創(chuàng)新去不斷提升模型的能力。

泛化這道題沒有標(biāo)準(zhǔn)答案，但方向是清晰的，無論哪條路，最終都必須讓模型從「看過什么做什么」，進(jìn)化到「理解了什么都能做」。

這場競賽的勝負(fù)手，不取決于誰先喊出下一個(gè)口號，而取決于誰先讓模型真正理解物理世界。

       原文標(biāo)題 : VLA已死？這家公司想用 VLOA 給機(jī)器人裝上“物理直覺”