（来源：上观新闻）
我把这类🌓需求叫「非标性✉需求」👩🏫。由于被🏂🇲🇭剥夺了核心动力🍽🐋源，原本能🇲🇰🏯够自主行🔫🧦走、灵活度极高🔤🆖的Be💂bop，瞬间👀🔈退化成了一🌑具毫无生气的⛏钢铁🇰🇼👩🎨。现代机器人系统的🍾📽设计思路确🎲实如此：研究者🚃🌡先训练一个具🎬🌻备视觉理解💁🇲🇸和语言❔理解能力的"🏴💏通用大脑"，👐也就是视觉🛩语言模型（VLM🕰，可以🕚🆎理解图片内🚞🏬容并根据语言指🇵🇦🚣♀️令做出回应的🇳🇿AI模型），再在👖此基础上叠加🎙👨🦰"动作生😯成"能力，🇱🇾🎢让机器人不只能🍘看、能说，还能🇳🇬🥕动手操作🍁➡，这类系统被称为📓视觉语言动作模型🦊👩🦲（VLA👩🔬）🥙。
VLM常用💐💉的训练数据，包🏜👱括大规模👨👧图文匹配数据😮（如LAION🇸🇯-400M、🧮💀CC-12M🍛🦛）、视觉问答数据🇮🇨（如LLaVA☘-Instru⛴ct-665k）👮、视觉常识推🎫🖲理数据（VCR）🎰👨🦳等，它们彼此之间🇵🇹😩的距离普遍较小🐁🍸，属于同一个大家🔑📓庭🎺🛣。。一个标志性的信号😎是，擎天租近期联🍌🇭🇲合人保财🙄🕋险落地了全国首批❓🈲GOOGLE推广具身智能机器🐰💮人保险🌱🇦🇷理赔🚀。--- 归根结底😌🔀，这项研🍽🕺究回答了一个🧖♂️🔁非常实际的问题：↕✝当我们想让🍻🇳🇷AI控制机器人做🏋事时，AI的🏭"通识教育"和👩✈️🖤"专业训练"之🏷⏳间应该🎚怎么衔接？研🍡究团队的➖🌎答案是：不🎌需要抛弃通识教🅿育，也不需🎇要无休止🐀🇩🇴地增加专业数据，🔁💕只需要在两🐙者之间加入🍵一段精挑细选的🤾♂️"过渡课程"，🤯🇬🇷让大脑在🎪🛐上岗前🍌先调整🍏好状态⛷👩🏫。
