待验证50% 置信观点精确时间
Krishna认为机器人模型应直接从视觉与传感器输入映射到动作，而非在中间嵌入LLM
1
来源数
50%
置信度
长期有效
时效性
2026/7/14
首次发现
来源
相关事实
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68% 相似待验证吴恩达主导的团队正在探索将大模型驱动的Agent与机器人硬件结合的具身智能方向67% 相似待验证川虎ChatGPT内置Agent智能体功能，允许模型调用外部工具执行多步推理任务66% 相似待验证智能体的许多能力实际上是由Agent所运行的框架在LLM外部实现的，而非LLM本身65% 相似待验证基于视觉语言模型（VLM）的屏幕理解使Agent能以语义层面而非像素层面理解界面，这一范式转变被业界称为认知自动化（Cognitive Automation）64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/507965API
curl https://kongchang.com/api/v1/knowledge/claims/507965MCP
get_claim(id=507965)