具身智能新突破：VLA技术驱动“所见即所动” 地瓜机器人算法副总裁隋伟博士将分享《具身智能中的VLA技术及其应用》。传统方法将视觉、语言与动作模块分离，导致系统复杂、误差累积与泛化弱；而视觉语言动作模型（VLA）实现了多模态感知到动作生成的端到端学习，构建了“所见即所动”的闭环决策，显著推动具身智能发展。 然而VLA仍面临训练数据稀缺、长时序与物理逻辑推理能力不足等挑战，限制了其在多场景、多任务中的泛化与应用。 本次演讲将解析VLA的基本原理与关键技术，并探讨数据构建、评测体系等落地问题，以提升其性能与易用性。目前，海外如Google、Meta及DeepMind等公司已在家庭服务、工业自动化等场景推进VLA应用；国内如华为、优必选、地瓜机器人等企业也积极布局，在服务机器人、智能制造等领域逐步实现技术落地。
