待验证50% 置信观点精确时间

VLA模型往往缺乏对物理世界动态演化的内在建模，更多是在模仿动作映射而非预测世界变化

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

世界动作模型对决VLA：机器人技术的GPT-2时刻来了？

涉及实体

相关事实

待验证单体VLA模型接收视觉与语言输入后直接生成原始运动指令或极短的动作序列，缺乏可复用的行为抽象70% 相似待验证标准的世界模型通常只是拟合观察到的轨迹，而这不是干预时规划所需要的量66% 相似待验证世界模型强调对因果关系、物理规律和环境动态的建模，而非单纯预测文本序列64% 相似待验证Transformer模型擅长捕捉文本中的统计相关性，但缺乏构建世界模型的能力，无法在内部模拟物理世界操作的因果链条和长期后果64% 相似待验证多模态大模型（VLM）不是OCR，它在视觉向量上进行注意力计算并结合语言先验推断内容，对无规律哈希值会产生幻觉而非报识别失败62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/996688

API

curl https://kongchang.com/api/v1/knowledge/claims/996688

MCP

get_claim(id=996688)