新在线不卡免费视频|www国产精品久久麻豆|美女午夜福利网站|《福克斯号上空姐们》|关于秘书的电影|美少女的哀羞txt|日产国产一区二区三区

作者｜李沐蓉

今年5月，英偉達機器人負責人 Jim Fan 在紅杉峰會上拋出一句話：「VLA已死」。

這四個字，把具身智能行業積壓已久的焦慮推上了臺面。

機器人泛化這道題，究竟該怎么解？

完成 10 億元 A 輪融資的 RoboScience，給出了自己的答案：VLOA（Vision-Language-Object-Action)。

VLOA，相比于 VLA 它在視覺和動作之間嵌入 Object，聚焦物體該怎樣動，模型不只是「看到并執行」，而是能夠在一定程度上理解「動作如何在物理世界中發生與演化」。

VLOA 將任務轉化為對物體運動軌跡的理解，再據此生成動作，這就從底層邏輯上一定程度上解決了泛化難題。

據了解，本輪融資主要用于持續深化 VLOA 模型，以及推進自研機器人本體的工程化與量產。

10億融資背后，資本押的是什么？

資本對 RoboScience 的關注，其實在去年就已經開始。

天使輪階段，京東、招商局創投、零一創投，便用兩億投出信任票。

到了今年 A 輪，融資規模進一步擴大，累計融資超過 13 億元，投資方包含多家國內外知名產業巨頭和一線財務機構。

資本持續追投的背后，是對團隊能力和 VLOA 模型的押注。

RoboScience 團隊的稀缺之處，在于它不僅擁有工程落地能力，更有前沿的學術研究成果。

創始人田野，本科畢業于中科大物理學院，后進入斯坦福 AI Lab，師從吳恩達。

在蘋果工作的七年時間里，他擔任 Apple AI Platform 技術負責人，參與 Apple Intelligence、端側動態神經網絡、編譯融合系統等核心項目研發落地，具備成熟的 AI 技術部署及生態構建經驗。

這意味著，他并不僅理解模型，更理解如何把模型部署到硬件系統里。

團隊另一位關鍵人物，首席科學家邵林，不僅是新加坡國立大學計算機系助理教授，還是 IEEE 機器人與自動化學會機器學習技術委員會的聯合主席。

他長期深耕于機器人感知與操作、強化學習、機器人操作模型等前沿領域，在 ICRA、IROS、IEEE 等頂會頂刊中發表過超 35 篇論文，技術成果走在行業前沿。

深受蘋果產品哲學的影響，這支團隊從一開始就選擇了「模型自研+本體自研」的全棧路線。

他們認為，如果模型和硬件脫節，將永遠無法真正理解機器人在真實世界里的失敗到底出在哪兒，是感知錯了，還是執行不了？閉環迭代必須自己掌控兩端。

這種「軟硬一體化」的布局正好契合了資本對硬科技閉環能力的偏好。

普華資本在領投 Pre-A 輪時的評價，精準概括了市場對這條路線的期待：

RoboScience 獨創的 VLOA 大模型架構，以及快慢腦分層系統，不僅解決了行業長期存在的泛化性難題，更通過自研的 RoboMirage 仿真引擎構建了高效的數據閉環，為通用機器人的實現鋪平了道路。

VLOA模型，突破具身智能泛化瓶頸

過去兩年，VLA 模型幾乎成為整個機器人行業最主流的大腦模型，視覺看見環境、語言理解任務、動作執行指令。

它給機器人提供了一套簡單、統一、易于講述的「大腦范式」，第一次讓機器人具備了任務理解能力。

優必選 Walker S2、智平方 AlphaBot 2，都在不同程度上搭載或強調 VLA 模型。

但問題逐漸暴露，VLA 似乎只能理解任務，不能理解物理世界。

4 月，一篇發表在 arXiv 上的論文用因果干預實驗論證了 VLA 模型在動態場景中「災難性地失敗」。

當環境發生變化時，模型傾向于重復先前的動作，而不是根據新狀態調整，更嚴重的是，在復雜場景下，多模態語義特征會發生「語義坍塌」，導致模型失去區分能力。

Covariant 聯合創始人 Peter Chen 曾直言：

「VLA 擅長回答『這是什么』，卻不擅長回答『這樣做之后會發生什么』——它缺乏對物理因果鏈的理解。」

VLOA 模型，在傳統 VLA 的基礎上，將「Object」單獨抽離出來，作為視覺-語言到動作之間的核心中間層。

RoboScience 認為機器人所有操作，本質上都是在改變物體在三維空間中的位置、姿態和交互關系。

無論是擰瓶蓋、疊衣服還是端起水杯，任務不管多復雜，最終都可以統一描述為「物體軌跡的變化」。

整個模型架構拆成兩層：

上層是從 V→O（Vision to Object），由具身世界模型負責語義規劃，理解場景中的對象和指令意圖，回答物體應該發生怎樣的狀態變化才算完成任務；

下層 O→A（Object to Action），由通用操作模型負責物理執行，讓機器人依據物理規律操作物體，使其產生期望的運動變化。

兩層之間傳遞的，是以 3D 點云軌跡形式表達的物體軌跡（Object Trajectory），包括物體的位置、姿態、運動方向以及預測置信度。

換句話說，VLOA 試圖把「物體運動」變成機器人理解世界的基礎語言。

這樣的路線，相比 VLA 有三個優勢。

第一，泛化基礎更接近真實物理操作。

傳統 VLA 更像「動作記憶」，而 VLOA 關注的是物體運動規律，它更接近真實世界操作本質。

第二，實現跨本體泛化。

上層世界模型并不綁定具體機器人形態，因此，同一套模型理論上可以遷移到不同機器人本體上，包括單臂、雙臂、人形、輪式機器人。

第三，更少的數據實現更優的效果。

模型分層使得數據的收集和處理更有條理，他們抓住了機器人與物理世界交互的本質，關注物體運動的軌跡，讓使得海量視頻數據都能成為訓練資源，降低對真機數據的依賴。

據團隊披露，目前具身世界模型已經積累數百萬小時多模態操作數據集，并以每周數十萬小時速度持續增長。

不久前，馬斯克也提到要用視頻訓練替代真機數據，這也說明 RoboScience 路線的前瞻性。

泛化的終極答案，依然在路上

今天，整個具身智能行業，其實都在圍繞同一個終極目標展開競爭：通用機器人。

真正的通用機器人，不是只會完成一個任務，而是能夠像人類一樣，在無限變化的世界中持續適應。

當前，具身智能泛化面臨著三重挑戰：

任務泛化，機器人能否理解并執行從未見過的新任務指令，而不是只能重復訓練過的固定流程；

場景泛化，機器人能否在陌生環境中維持穩定工作，從實驗室走向真實世界之后，依然保持可靠性；

對象泛化，機器人能否操作訓練中從未出現過的新物體，從不同材質、形狀，到重量、摩擦力、柔性結構都發生變化時，依然具備穩定操作能力。。

三重挑戰，讓具身智能從「可用」邁向「可靠」，異常艱難。

VLOA 模型的出現為破解泛化瓶頸提供了一條極具想象力的技術路徑，其實目前整個行業都在多條技術路線上，對泛化難題進行攻堅。

今年 4 月，Physical Intelligence 發布了最新的π0.7 模型，展示出一種令研究團隊自己都感到意外的「組合泛化能力」。

在訓練數據中，模型幾乎沒有見過空氣炸鍋相關操作，僅存在兩個極其邊緣的關聯片段。

但模型最終卻能夠通過拼合不同機器人操作片段、網頁預訓練知識以及歷史動作經驗，形成對「空氣炸鍋如何工作」的功能性理解，并完成相應任務。

利用組合泛化，模型不再死記硬背特定任務的解決方案，可以通過已有經驗遷移解決未知問題。

還有部分公司在推進世界模型與 VLA 的融合路線。

智平方作為國內最早布局端到端 VLA 的創業團隊之一，在去年 11 月發布了 Video2Act 融合架構，將世界模型與 VLA 結合。

不僅讓機器人「理解任務」，還讓機器人能夠預測物理變化過程，從而提升復雜環境下的推理與決策能力。

京東 Joy Future Academy 在 VLA 的框架下，提出了 JoyAI-RA 0.1 模型，引入了統一動作空間，為不同形態的機器人提供一套統一的動作接口。

模型可以在同一個空間內學習人類視頻、仿真軌跡和真實機器人動作，顯著提升了跨實體知識遷移的效率。

這背后，其實反映出行業另一個重要趨勢：機器人正在嘗試擺脫「一機一模型」的割裂狀態。

還有，魔法原子發布自研世界模型 Magic-Mix。

該模型由兩個核心引擎構成，Magic-Mix WAM 負責物理環境理解、空間推演與動作決策；

Magic-Mix Creator 則作為離線數據生成引擎，通過合成大批量訓練數據，降低對昂貴、周期長的真機數據采集的依賴，為模型提供持續的數據供給，形成一個「數據生成-訓練-反饋」的閉環。

本質上，這套架構直指 VLA 模型在真實世界中泛化不足和執行不穩定的長期痛點，讓機器人能夠理解物理世界、預測未來并做出決策。

行業針對 VLA 模型的爭議，在 5 月英偉達機器人負責人 Jim Fan 在紅杉 AI Ascent 峰會上的發言中達到頂點。

他給出的論斷「VLA 已死」引發激烈討論。

雖然不少研究者認為 VLA 仍在諸多場景中發揮著不可替代的作用，但這一聲音至少折射出整個行業對現有模型泛化能力的擔憂。

智源研究院院長王仲遠指出，最現實的路徑是通過「VLA +強化學習」攻克具體場景，讓機器人先干起來，在真機運行中積累更多數據，形成數據閉環，最后再解決泛化性難題。

而智平方創始人郭彥東的判斷則是：

VLA 遠遠沒有結束，它是通往物理世界智能的最強主航道，行業正快速向「世界模型+VLA」的混合路線靠攏，下一代機器人大腦是類腦 VLA。

在這樣的行業背景下，RoboScience 的 10 億元 A 輪融資，其實是資本對「AI 大腦路線」的投票。

VLOA ，不是讓模型記住更多場景，而是讓模型理解操作的物理本質，把「物體怎么動」學會，其泛化能力，最終必須讓成百上千臺機器人在真實環境中的持續運行中得到驗證。

目前陷入概念之爭，VLA是否已死、端到端還是分層、世界模型是終點還是過渡方案，還為時過早，也尚無必要。

最重要的是，如何通過架構的創新去不斷提升模型的能力。

泛化這道題沒有標準答案，但方向是清晰的，無論哪條路，最終都必須讓模型從「看過什么做什么」，進化到「理解了什么都能做」。

這場競賽的勝負手，不取決于誰先喊出下一個口號，而取決于誰先讓模型真正理解物理世界。

       原文標題 : VLA已死？這家公司想用 VLOA 給機器人裝上“物理直覺”