待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/9/17
首次发现
来源
涉及实体
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78% 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）77% 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72% 相似待验证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LLM65% 相似待验证Microsoft的Orleans框架采用Virtual Actor模型，主要面向后端集群，而Durable Objects将该模型推广到边缘计算场景61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/928075API
curl https://kongchang.com/api/v1/knowledge/claims/928075MCP
get_claim(id=928075)