从 RT-2 把机器人动作当文本 token 输出，到 OpenVLA 开源 7B、π0 用流匹配跑到 50Hz、GR00T 与 Helix 转向双系统架构——本文梳理 VLA 模型三年的演进脉络：动作怎么表示、参数怎么变小、控制频率怎么上去，以及开源与闭源两条路线的分野。

文章提出FastOPD框架，通过将流映射用于单状态教师监督并结合自洽性目标进行在策略蒸馏，构建紧凑的学生模型来学习教师动态，以解决大规模视觉-语言-动作（VLA）基础模型部署计算成本高的问题。

Vision-Language-Action (VLA) models map observations to actions with no objective that accounts for how the world respon…

Pretrained vision-language-action (VLA) models enable broad manipulation but remain unreliable in tasks demanding precis…

Vision-Language-Action (VLA) models have shown promising progress in language-conditioned robotic manipulation. However,…

Vision-language-action (VLA) models map visual observations and language instructions directly to robot actions, but lon…

端到端架构解决了「怎么开」，却顺手摧毁了旧的验证体系——模块没了，没法分模块打分；而真实路测里程的需求随性能提升指数增长。2023 至 2026 年，行业给出的答案是世界模型：Wayve 的 GAIA 从生成器（GAIA-1）一路进化成闭环验证器（GAIA-4），英伟达把 Cosmos 做成开源底座，Waymo 基于 Genie 3 自建世界模型，理想/小鹏/华为则以「VLA 管开车、世界模型管训练验证」双轨并行。本文拆解这条技术线的逻辑、格局与保真度之争。

模仿学习的老问题是「多峰动作分布」——两种都对的做法被回归平均成一种错的。Diffusion Policy 用条件去噪扩散直接建模动作分布，在 12 个任务、4 个基准上平均成功率提升 46.9%，此后 DP3、DPPO 相继跟进，π0 的流匹配与 GR00T 的扩散 Transformer 把它推成了 VLA 时代的标配动作头。

Human video datasets offer an abundant and diverse source of interaction data that can complement expensive real-robot d…

Most robot policies keep a model in the control loop: a VLA maps observations to actions, and an Agent Harness, such as …

大语言模型吃的是万亿 token 网络文本，机器人能吃的真机数据却以「万条轨迹」计。本文梳理 Open X-Embodiment、DROID、AgiBot World 三代数据集的规模演进，算一算遥操作采集的成本账，并分析人类视频、仿真与生成式合成三条补充路线。

论文提出VLA策略在训练域外泛化能力有限、成为系统瓶颈，提出Robo-COP方法让VLM编排器与策略在部署中协同进化，以克服单独微调策略导致与编排器脱节的问题。

A safe action is not necessarily a viable one. A frozen vision-language-action (VLA) policy can favor a locally admissib…

While vision-language-action (VLA) models have advanced rapidly, running them at every control step remains expensive. P…

Vision-language-action (VLA) models face a timing gap between low-rate inference and high-rate robot execution. We chara…

Vision-language-action (VLA) policies often fail when a robot's executed motion deviates from their commanded action. Su…

A central goal in robotics is to enable manipulation across changing tasks and environments. Vision-language-action (VLA…

Vision-Language-Action (VLA) policies achieve strong performance in robotic manipulation but remain brittle once executi…

Action tokenizers play a central role in autoregressive vision-language-action (VLA) models, determining both the target…

通过这场大赛，蚂蚁灵波希望将 LingBot-VLA 进一步推向更广泛的开发者社区和高校科研社区]

Vision-Language-Action (VLA) models demonstrate strong generalization in robotic manipulation and navigation, but existi…

IT之家 10 月 12 日消息，小鹏汽车今日亮相巴黎车展，除了推出小鹏 G9L 车型，小鹏还公布了自动驾驶、人形机器人等消息。 在人形机器人领域，近期，小鹏机器人生产线正式启用，全球首位高阶通用人形机器人完成自动化总装，自主走下产线亮相，…

Jay* 2026-10-09 16:47:34 来源：量子位 这是一台机器人正在关闭微波炉门时，因人手突然插进来而紧急悬停的时间 Jay发自 凹非寺 量子位 | 公众号QbitAI 0.2秒。 这是一台机器人正在关闭微波炉门时，因人手突…

💻苹果官宣 10 月 13 日发布新品、首款触屏 MacBook Pro 月底亮相 💸曝三星手机业务四季度最高减产 30%，内存涨价压缩利润 🧠OpenAI 推出 GPT-6.1 Sol Ultrafast，速度最高提升至 8 倍 ���

The story is a collaboration between MIT Technology Review and Aventine, a non-profit research foundation that creates a…

真机试错又贵又慢又危险，仿真里的动作却近乎免费——但仿真和现实隔着一道「现实差距」。本文一篇读懂 Sim2Real：域随机化如何让真世界变成「另一种随机」、特权学习怎么传递老师经验、GPU 并行仿真如何把训练提速十倍，以及 2025 年以来的工具链现状。

IDC 数据显示 2026 上半年全球人形机器人出货近 2.5 万台、同比增长 432.1%，中国占约 77.9%。本文逐一盘点宇树、智元、Figure、特斯拉、1X 五家主要玩家的量产与商业化进展，拆解「卖机器人、卖服务、卖数据」三种商业模式，并讨论高估值背后的回撤风险。

!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…

Vision language model (VLM) agents can control robots through visual feedback and action primitives, but repeated model …

henry* 2026-09-30 15:54:54 来源：量子位 让GPT把机器人技能当工具调用 henry 发自 凹非寺 量子位 | 公众号 QbitAI 机器人的GPT时刻，还真得靠GPT（doge）！ 刚刚，GPT-6 Astra…

爱范儿「多样性公司」栏目专访一目科技创始人李智强博士，介绍其厚度迭代至3毫米以下、号称全球最薄可量产的仿生视触觉传感器SENTRA T0，以及触觉感知对机器人灵巧操作的重要性。

量子位的朋友们* 2026-09-29 15:10:59 来源：量子位 诺因从Demo走向家庭 近日，消费级具身智能公司诺因智能宣布完成数亿元人民币天使+++轮融资。本轮融资由京东相关基金领投，正心谷资本、南山战新投和华登投资跟投。 自2…

量子位的朋友们* 2026-09-29 18:56:33 来源：量子位 推动公司具身模型、本体、软件等全栈能力进入更多真实场景 正行创新（Striding AI）今日对外宣布，公司联合创始人杨宇欣先生正式亮相，出任公司总裁，全面负责全球市…

田, 晏林* 2026-09-26 17:07:41 来源：量子位 Simate将训练、推理与评测全流程接入自研Infra，通过极致的任务编排与资源调度，同时并行推进数十条相互独立的研究路线。 Jay 发自 凹非寺 量子位 | 公众号 Q…

量子位的朋友们* 2026-09-26 19:49:43 来源：量子位 “世界模型”开始成为具身智能跨越商业化“奇点”的新叙事。 当下，具身智能的商业化路线正撞上一堵墙。 北大与BeingBeyond联合发布的BeTTER基准（ECCV …

林, 方舟* 2026-09-25 13:52:18 来源：量子位 林方舟 发自 凹非寺 量子位 | 公众号 QbitAI 叮咚～众包骑手，哦不，众包数采员来新单了！ 一边干着家务或上着班，一边轻松地采集具身数据，结束了还能赚一笔外快，真…

Black Forest Labs (BFL), the lab behind the FLUX image models, has released FLUX 3 Action. It is a 7B open-weights World…

Jay* 2026-09-25 14:14:07 来源：量子位 一场物理世界的基模实验 程浅 发自 凹非寺 量子位 | 公众号 QbitAI 数亿元资金，投向了一场物理世界的基模实验。 Physical AI创业公司**息壤开物**宣布，…

At a glance Challenges a core assumption in robotics AI: Our research shows that running physical AI inference exclusive…

NVIDIA AI Day Singapore, which takes place Sept. 22-23 at the Raffles City Convention Centre, is offering attendees oppo…

We study coding agents for long-horizon, dexterous robotics and ask whether their solutions can provide scalable supervi…

Modern embodied agents achieve impressive success rates, yet their actual instruction-following ability is far weaker th…

Task planning bridges high-level instructions and executable behavior in long-horizon manipulation, yet modern Vision-La…

在物理世界真正干活的具身智能体]

当大模型开始拥有一双真实的手 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 ]

IT之家 9 月 20 日消息，法拉第未来（Faraday Future，简称 FF）于美国当地时间 9 月 19 日举行了 919 FF EAI 机器人“四核全智”系列新品发布会，发布了 FF All-New Futurist、FF Ma…

从一次成功到一万次稳定执行，具身智能还缺什么？]

· OpenAI 将定期披露模型异常行为，首批公开 6 份报告 · 华为昇腾 960 提前至明年一季度推出，超节点扩至 4096 卡 · 恒大汽车退出汽车制造，上半年转向电池贸易 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr）…

A pretrained robot foundation policy may execute most of a long-horizon task yet repeatedly fail at a few critical subta…

IT之家 9 月 17 日消息，据新浪科技报道，小鹏集团 CEO 何小鹏今天在 G9L 汽车发布会结束后，与媒体进行对话。他在谈到机器人业务时透露， 做机器人的难度大约相当于造车的 20 倍 。 何小鹏认为：“基本上我们机器人的硬件、软件、…