# 视觉语言动作模型的所有文章

在 HTX 新聞中心流覽與「视觉语言动作模型」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策，提供權威的加密行業洞察。

星动纪元两个月25亿，国资组团入场

星动纪元两个月内完成25亿元融资，最新一轮10亿元由国资诚通基金领投，多家国资及财务、产业资本共同参与。作为清华大学唯一持股的具身智能公司，星动纪元由清华助理教授陈建宇创立，坚持“算法需求优先”的AI Native理念，全栈自研“数据-大脑-运控-灵巧手-本体”技术链。公司核心壁垒在于“以手强脑”，通过自研全直驱五指灵巧手采集高质量物理交互数据，并拥有全球最大的灵巧手真机数据集之一。其大脑模型持续迭代，包括世界模型成果PAD、VLAW及端到端模型ERA-42，推动技术前沿。商业化方面，星动纪元已在物流场景实现规模化落地，与顺丰、中国邮政等客户合作，机器人实现7×24小时分拣作业。同时，其灵巧手与通用基座已出货至OpenAI、英伟达等全球顶尖科技企业与高校。公司正将场景拓展至高端制造与商业服务，构建全流程具身服务体系。 2026年被视为具身智能商业化分水岭，星动纪元凭借数据闭环与产业落地能力，在头部竞争中占据先机。

marsbit11 小時前

marsbit11 小時前

他刚融了27亿，李飞飞也投钱了

皮特·弗洛伦斯是机器人VLA（视觉-语言-动作）模型的先行者，但他在创业后却公开拒绝“世界模型”的标签。他认为，产业应聚焦于“目标”而非“标签”，真正的目标是让机器人以极高成功率自主完成各类新任务。其创立的具身智能公司Generalist AI近期完成4亿美元融资，估值达20亿美元，投资方包括英伟达、贝索斯家办、NFDG、李飞飞等。皮特在麻省理工的导师拉斯·泰德雷克影响了他从物理世界本质出发的研究思路。在谷歌DeepMind期间，他开发了Transporter Network和VLA架构，均强调面向具体目标设计技术路径。他于2025年创立Generalist AI，旨在打造能做任何事的机器人。公司先后发布了GEN-0和GEN-1模型。GEN-1通过可穿戴设备收集了超50万小时物理交互数据进行训练，在折叠纸箱、打包等精细任务上成功率高达99%，速度是上一代的三倍。这表明驱动大语言模型的“扩展规律”在物理运动领域同样适用。公司的产品能力与清晰的商业化路径，吸引了知名投资方加注。

marsbit06/20 06:05

marsbit06/20 06:05

首次，纯人类视频预训练VLA灵巧操作，少量数据微调就能部署成功

微软亚洲研究院与清华大学合作提出创新预训练框架VITRA，首次实现仅使用纯人类视频数据对视觉-语言-动作（VLA）模型进行大规模预训练，并成功应用于机器人灵巧操作。该研究核心是构建了一套自动化流程，将海量无标注的人类活动视频转化为可用于机器人训练的V-L-A数据。方法包括：从单目视频中精准恢复3D手部与相机运动轨迹；基于手部移动速度极小值进行原子级动作分割；结合视觉与轨迹信息，利用大模型自动生成语言指令。由此构建了包含百万片段、千万帧的超大规模数据集。基于此数据集预训练的VLA模型，结合了视觉语言模型骨干与扩散动作预测器。模型在完全未见的真实环境中展现出强大的零样本手部动作预测能力。仅需使用约1.2千条真实机器人数据对预训练模型进行微调，即可在配备灵巧手（如星动XHAND1）的真实机器人上成功执行抓取、放置、倾倒等多种复杂操作任务，并对新物体、新环境表现出卓越的泛化能力和鲁棒性。研究还验证了模型性能随预训练数据规模增加而提升的缩放定律。该工作为利用丰富易得的人类视频数据突破机器人训练数据瓶颈提供了新路径，推动了面向真实复杂场景的具身智能发展。

marsbit06/08 08:53

marsbit06/08 08:53

a16z：AI的下一个前沿，机器人、自主科学、脑机接口的三重飞轮

a16z研究员Oliver Hsu提出，AI发展的下一个前沿是“物理AI”，其核心由通用机器人、自主科学和新型人机接口（如脑机接口）三大领域构成，它们将形成相互促进的“结构性飞轮”。当前AI以语言和代码为核心，但物理AI能更直接地与现实世界互动，潜力巨大。这一转型依赖于五大技术原语： 1. **物理动力学的学习表征**：让AI理解物体运动、受力反应等物理规律； 2. **面向具身动作的架构**：将高层指令转化为可靠、实时的物理动作； 3. **仿真与合成数据基础设施**：低成本生成多样化训练数据，突破物理数据采集瓶颈； 4. **扩展感官通道**：整合触觉、神经信号、嗅觉等新模态，提升交互维度； 5. **闭环智能体系统**：实现感知-推理-动作的自主持续运行。三大应用领域共享这些原语，并相互强化： - **机器人**：在真实环境中执行复杂任务，反哺世界模型优化； - **自主科学**：AI驱动实验（如材料、生命科学），产出结构化、已验证的物理数据； - **新型接口**：包括AR眼镜、脑机接口等，扩展人机交互带宽并生成海量物理交互数据。这些领域将共同推动AI从数字世界走向物理世界，涌现出新能力，开启下一代颠覆性创新。

marsbit04/18 07:04

marsbit04/18 07:04

a16z 万字长文：AI 的下一个前沿不在语言，而在物理世界——机器人、自主科学、脑机接口的三重飞轮

a16z研究员Oliver Hsu提出，AI的下一个前沿将从语言和代码转向物理世界，聚焦于通用机器人、自主科学（AI科学家）和新型人机接口（如脑机接口）三大领域。这些领域共享五大底层技术原语：物理动力学的学习表征、面向具身动作的架构、仿真与合成数据基础设施、扩展的感官通道（如触觉、神经信号）以及闭环智能体系统。这些技术相互强化，形成结构性飞轮——机器人推动自主科学的实验自动化，自主科学产出结构化物理知识反哺AI，新型接口则提供海量人类物理交互数据，共同推动AI在物理世界的落地和能力涌现。这一转变将开辟与当前数字范式互补的新 scaling 轴，可能引发下一代颠覆性突破。

marsbit04/16 06:50

a16z 万字长文：AI 的下一个前沿不在语言，而在物理世界——机器人、自主科学、脑机接口的三重飞轮