最火VLA，看这一篇综述就够了
最火VLA，看这一篇综述就够了ICLR 2026爆火领域VLA（Vision-Language-Action，视觉-语言-动作）全面综述来了！ 如果你还不了解VLA是什么，以及这个让机器人学者集体兴奋的领域进展如何，看这一篇就够了。
来自主题: AI技术研报
10820 点击 2025-10-31 14:59
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
ICLR 2026爆火领域VLA（Vision-Language-Action，视觉-语言-动作）全面综述来了！ 如果你还不了解VLA是什么，以及这个让机器人学者集体兴奋的领域进展如何，看这一篇就够了。
美团LongCat团队发布了当前高度贴近真实生活场景、面向复杂问题的大模型智能体评测基准——VitaBench（Versatile Interactive Tasks Benchmark）。VitaBench以外卖点餐、餐厅就餐、旅游出行三大高频生活场景为典型载体，构建了一个包含66个工具的交互式评测环境，并设计了跨场景综合任务。
全球首个真实世界具身多模态数据集，它来了！ 刚刚，它石智航发布全球首个大规模真实世界具身VLTA（Vision-Language-Tactile-Action）多模态数据集World In Your Hands（WIYH）。
你有没有过这样的体验：每天在十几个不同的应用之间来回切换，查看邮件、确认日程、处理发票，忙得焦头烂额却感觉效率低下？你可能会想，既然AI已经这么先进了，为什么我的数字生活还是如此支离破碎？一家名为 I
在多模态大模型的基座上，视觉 - 语言 - 动作（Visual-Language-Action, VLA）模型使用大量机器人操作数据进行预训练，有望实现通用的具身操作能力。
近日，快手与清华大学孙立峰团队联合发表论文《Towards User-level QoE: Large-scale Practice in Personalized Optimization of Adaptive Video Streaming》，被计算机网络领域的国际顶尖学术会议 ACM SIGCOMM 2025 录用。
近年来，视觉 - 语言 - 动作（Vision-Language-Action, VLA）模型因其出色的多模态理解与泛化能力，已成为机器人领域的重要研究方向。尽管相关技术取得了显著进展，但在实际部署中，尤其是在高频率和精细操作等任务中，VLA 模型仍受到推理速度瓶颈的严重制约。
当产品团队还在为等待 4-6 周的 A/B 测试结果而焦虑时，一家名为 Blok 的初创公司正在用 AI 虚拟用户彻底颠覆这一传统模式。他们让产品测试从"weeks"压缩到"hours"，从"reactive"转向"predictive"，这不仅仅是效率的提升，更是产品开发哲学的根本性变革。
阿里巴巴达摩院提出了 WorldVLA, 首次将世界模型 (World Model) 和动作模型 (Action Model/VLA Model) 融合到了一个模型中。WorldVLA 是一个统一了文本、图片、动作理解和生成的全自回归模型。
西班牙初创公司 Multiverse Computing 于 6 月 12 日宣布 ，凭借其名为"CompactifAI"的技术优势，已完成 1.89 亿欧元（约合 2.15 亿美元）的巨额 B 轮融资。本轮B 轮融资由 Bullhound Capital 领投，该机构曾投资过 Spotify、Revolut、Delivery Hero、Avito 和 Discord 等企业