WorldVLA

在人工智能迈向通用智能（AGI）的进程中，具身智能（Embodied AI）作为关键方向，要求智能体不仅能感知环境，更要能理解物理规律并执行精确动作。传统方法中，视觉语言动作模型（VLA）与世界模型（World Model）往往各自为战，前者擅长跨任务泛化但缺乏对动作的深度理解，后者能预测环境变化却无法直接生成动作。这种割裂严重制约了机器人在复杂场景中的自主…