芝能科技出品具身智能旨在让智能体在物理世界中通过感知、决策和行动实现目标，视觉-语言-动作（VLA）模型作为其核心技术，近年来备受关注。VLA模型能够处理视觉、语言和动作信息，使智能体理解人类指令并执行任务。我们总结了主流VLA方案，包括基于经典Tr ...