#VLA

“物理智能π0的基于源代码的技术指南：PaliGemma VLM和专用动作专家，具有条件流匹配的连续动作生成，跨越七种机器人类型的跨具身训练，以及与RT-2和OpenVLA等自回归VLA模型的区别。”

“特斯拉Optimus和Figure 03已经进入工厂生产阶段，波士顿动力公司的Atlas也从液压驱动转向了纯电动驱动。Unitree正在掀起价格战，而1X公司的NEO则开始利用视频世界模型在家中进行自主学习。本文将探讨竞争格局以及仍然存在的未解之谜。”

行为克隆、DAgger 和逆强化学习在奖励难以编写时会使用演示。本入门指南涵盖协变量偏移、奖励推断、VLA 连接、评估、安全性和数据来源。

视觉-语言-动作（VLA）将摄像头输入和自然语言指令整合到一个单一模型中，直接输出机器人动作。从RT-2到OpenVLA，再到物理智能的π0系列，本文将探讨这种拒绝将感知与控制分离的设计理念的传播历程。