已验证75% 置信事实精确时间

VLA 模型将视觉感知、语言理解与机器人动作规划整合在统一模型中，通常以预训练的大型视觉语言模型为骨干，代表性工作包括 Google 的 RT-2 和 OpenVLA

3

来源数

75%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

VSArena开源VLA评测基准：纯视觉语言驱动的机器人排行榜

涉及实体

VLAconcept RT-2model OpenVLAmodel Googlecompany

相关事实

已验证LLaVA（Large Language and Vision Assistant）是学术界最具影响力的开源视觉语言模型之一68% 相似待验证大模型 API 是指 OpenAI、Anthropic、百度文心、阿里通义等厂商将训练好的大型语言模型能力以接口形式对外开放，企业只需调用接口即可获得文本生成、理解、推理等能力67% 相似已验证开源多模态模型LLaVA、InternVL、Qwen-VL通常采用'视觉编码器+投影层+语言模型'的架构66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/901258

API

curl https://kongchang.com/api/v1/knowledge/claims/901258

MCP

get_claim(id=901258)