待验证50% 置信事实精确时间
典型的VLA架构代表包括Google的RT-2和物理智能的π0，VLA核心挑战在于VLM自回归解码速度低于机器人控制回路所需的10-50Hz实时频率
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证VLA（视觉-语言-动作）架构是当前具身智能领域的主流技术路线，代表性工作包括谷歌的RT-2和PaLM-E79% 相似待验证两阶段级联架构（快速检测器+VLM协同）是解决VLM实时性问题的工程化方案，通过减少VLM需处理的帧数和区域数使整体管线可用71% 相似待验证VLM的核心机制是将图像编码器（如ViT）与语言解码器（如Transformer）通过对齐层连接，实现跨模态理解70% 相似待验证VMM（虚拟机监控器）负责在宿主机与客户机操作系统之间进行资源的调度与隔离70% 相似待验证实际部署中开发者通常采用分层架构：高层VLA模型以较低频率输出子目标，底层传统控制器以高频率执行精确轨迹跟踪68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003135API
curl https://kongchang.com/api/v1/knowledge/claims/1003135MCP
get_claim(id=1003135)