待验证50% 置信事实精确时间
动作模型的典型代表是视觉-语言-动作模型（VLA），如 RT-2、OpenVLA，通常以预训练多模态大模型为骨干，通过机器人数据微调后直接输出关节位置、末端执行器轨迹或离散动作 token。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证VLA（视觉-语言-动作）策略是将视觉感知、自然语言理解与机器人动作控制统一在同一模型框架中的机器人领域范式77% 相似待验证VLA将机器人的物理动作表示为动作token，在统一序列预测框架中端到端完成从感知到行动的推理，Google DeepMind的RT-2系列工作是这一范式的代表77% 相似待验证业界常用大模型控制机械臂的技术路径包括直接提示工程、Code-as-Action以及专门训练的视觉-动作模型（如RT-2、π0）72% 相似待验证Dify、Coze和OpenAI的Agent架构基于ReAct（Reasoning + Acting）框架，模型在每一步先推理再行动再观察67% 相似待验证WRC2026现场机器人的能力大多由VLA（视觉-语言-动作模型）或世界模型（World Model）驱动67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1022357API
curl https://kongchang.com/api/v1/knowledge/claims/1022357MCP
get_claim(id=1022357)