搜索
在机器人操作研究中，视觉语言动作模型（Vision-Language-Action，VLA）与世界动作模型（World Action Model，WAM）为机器人提供了不同的动作生成路径。但当任务从一次抓放延伸到连续搭建与双臂协同，决定成败的就不只是眼前这个动作能否完成，还包括此前建立的条件能否一直支撑后续执行。
11 月 10 日，Anthropic 发布新一代模型 Fable 5.2，再次将通用大模型的物理行动能力推向新的高度。
英伟达等团队提出TacitVLA，通过让动作专家不读取当前推理文本，保留推理训练与日志记忆作用，在机器人操作和自动驾驶中取得与显式推理相当的成功率，并将延迟最多降低3.4倍。
什么时候是具身智能的ChatGPT时刻？
近日，由清华大学、原力灵机与极寰时代联合研发的世界动作模型LoopWAM，登顶真机评测榜单RoboChallenge Table30 V2，成功率与过程分双双位列榜首，成绩超过VLA-DM0.5等同期方案。同时，LoopWAM在仿真榜单RoboTwin 2.0和RoboCasa365上同样取得SOTA表现。
上月发布 GPT-6-Astra 时，OpenAI 称它为「全球智能程度最高且最符合人类意图的模型」。具身社区则是惊讶的发现，VLA vs WAM 的路线之争，被通用大模型用文字模态「降维打击」了，大家不禁想问：
西湖机器人升级通用大脑WR1，采用全球首创的通用大小脑双预训练系统架构，融合WM、VLA与GAE，完成双机器人协同折叠衣物及跨厨房、客厅、卧室的连续自主家务演示。
上海交通大学卢策吾、汶川团队联合穹彻提出LIFT（Late Reactive Injection of Force for VLA Post-Training），被CoRL 2026高分收录，该方法在保留预训练知识的前提下，仅通过20至30条在线带力数据后训练即可让VLA学会力反馈，显著提升叠毛巾、插书、汉诺塔圆环放置等接触密集型任务表现。
今天中午，看到 MVLAND上线了深度创作模式。
SimpleMemVLA由面壁智能联合华中科技大学等机构提出，将带时间戳的原生视觉历史直接作为机器人记忆上下文，在四项记忆基准取得SOTA并涌现视觉上下文学习能力，同时通过流式推理优化将60秒历史决策延迟从1.02秒降至0.68秒。