待验证50% 置信观点精确时间
预训练VLA的参数已高度特化于动作生成，若让同一骨干同时承担未来预测与动作生成，梯度方向可能相互冲突，导致表征被拉扯。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
VLA世界模型整合：四大范式对比与关键发现
rss2026/10/14
涉及实体
相关事实
待验证标准VLM策略通常只在图像-文本数据上预训练，动作能力依赖后续微调或附加策略头，因此动作先验相对稀薄。79% 相似待验证预训练的视觉-语言-动作模型（VLA）在面对未见过的长程任务时，容易在中途失去连贯性而失败。75% 相似待验证与传统端到端模仿学习相比，VLA模型具备更强的泛化能力，但推理延迟高、对训练数据多样性要求苛刻，在实时控制和低成本硬件上的部署仍是主要挑战74% 相似待验证微调VLA模型时通常采用分层学习率策略：视觉编码器使用极小学习率或冻结，语言模型层使用中等学习率，动作专家使用较大学习率70% 相似待验证VioLA 通过预测身体和手部的运动潜变量（motion latents）而非直接输出关节指令，改变了通用策略的预测目标，运动潜变量由预训练的身体与手部控制器在机器人上执行。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038909API
curl https://kongchang.com/api/v1/knowledge/claims/1038909MCP
get_claim(id=1038909)