什么是VLA(视觉-语言-动作)模型,谁在研发
VLA(视觉-语言-动作)模型是一种把摄像头画面和自然语言指令一并读入、直接输出机器人下一步电机指令的单一神经网络,做法是在能看懂图像的视觉语言模型上再用机器人示范数据训练。谷歌DeepMind、Physical Intelligence、英伟达、Figure AI与Skild AI处于前列,智元机器人代表中国阵营,竞争焦点正从模型结构转向动作数据的获取成本。
每一笔融资、每一次发布、每一篇论文,随报道即时呈现。
VLA(视觉-语言-动作)模型是一种把摄像头画面和自然语言指令一并读入、直接输出机器人下一步电机指令的单一神经网络,做法是在能看懂图像的视觉语言模型上再用机器人示范数据训练。谷歌DeepMind、Physical Intelligence、英伟达、Figure AI与Skild AI处于前列,智元机器人代表中国阵营,竞争焦点正从模型结构转向动作数据的获取成本。
韩国产业通商部5月29日公布M.AX联盟AI机器人分会成立一年成果:成员约280家,正与HD现代重工、SK能源和BGF推进行业专用人形机器人示范。部门还介绍了本土机器人基础模型、时速13公里的人形机器人下肢平台,以及设有人形机器人强制投资比例、目标5000亿韩元的专项基金。
2026北京亦庄人形机器人半程马拉松4月19日举行,超过100支人形机器人队伍参赛,来自13个省份,较上年的5省明显扩容;自主导航参赛比例约占40%。北京市政府披露,齐天大圣队“闪电”以50分26秒夺冠,人类男子冠军成绩为1小时07分47秒。
日本发那科在东京国际机器人展(iREX 2025)上发布开源ROS 2驱动,将Python设为机器人标准编程语言,并展示基于英伟达技术的物理AI应用。安川电机与软银公司签署谅解备忘录,开发由移动网络边缘与机器人分工承担AI的办公场景机器人。主办方统计,展会参展商达673家、观众156110人次,参展商数量创历史新高。
英伟达2025年10月28日在华盛顿GTC扩展面向工厂级数字孪生的Mega Omniverse蓝图,西门子、发那科和富士康成为首批伙伴,并点名Figure、Agility Robotics、亚马逊机器人和Skild AI基于其技术开发机器人。公司同时发布算力5581 FP4 TFLOPS的工业和医疗边缘计算平台IGX Thor,预计2025年12月上市。
据北京市科学技术委员会消息,首届世界人形机器人运动会于2025年8月17日闭幕,三天赛程共设26个赛项、进行487场比赛,16个国家280支队伍的500余台机器人参赛。此前北京已先后举办2025世界机器人大会和E-Town机器人消费节,8月几乎被机器人活动填满。
Figure AI于2025年3月15日宣布建成BotQ工厂,第一代产线年产能最高12000台。公司围绕注塑、压铸和冲压工艺重新设计后续机型,自研工厂软件,并称供应链可在四年内扩展至10万台机器人规模。