待验证50% 置信事实精确时间
当前具身智能主流技术路线是将视觉语言模型（VLM）作为机器人的'大脑'，结合底层运动控制实现端到端智能操作
1
来源数
50%
置信度
长期有效
时效性
2026/9/16
首次发现
来源
涉及实体
相关事实
待验证前沿的机器人模型架构普遍以视觉-语言-动作（VLA）为核心框架，代表包括Google DeepMind的RT-2和Physical Intelligence的π076% 相似待验证该工具内置多模态智能体，目前接入通义千问（Qwen-VL）和智谱（GLM-4V）两个模型，均支持图像识别与记忆功能；通义千问由阿里巴巴达摩院开发，智谱由清华系创业公司智谱AI开发68% 相似待验证Current mainstream AI Agent architectures typically include an LLM as the 'brain,' a toolset as the 'hands and feet,' and a memory module as the 'experience bank.'67% 相似待验证OpenAI、Google DeepMind、Figure AI等机构正在通过遥操作数据采集、视觉-语言-动作模型（VLA）等方式尝试突破具身智能瓶颈66% 相似待验证RPA的底层技术融合了屏幕抓取、工作流自动化与人工智能规则引擎三类能力，通过模拟人类在GUI界面上的操作替代重复性人工劳动66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/926678API
curl https://kongchang.com/api/v1/knowledge/claims/926678MCP
get_claim(id=926678)