（来源：上观新闻）
现代机😯🇱🇷器人系统的设计思👳路确实如此：研💍究者先训练一🍶ℹ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🍊🇪🇹）⏮。
后面涨得非常猛🇫🇷，单月营收做到🇰🇬🥋6个亿左右🚺。”刘思德说，“🈁🇦🇼医生以前需要🔲🛷看几千张甚至🐹🥰上万张👩🎨照片，现在可以根🇬🇳🇪🇷据AI的📈结果，只关注最有🎦诊断价值的那一小😹⛎部分🥥🇫🇰。换句话🔄说，在机器人任务👨👨👦👦上真正重要的模型🛄能力改进，并不必🍦💈然反映🇧🇴🦴在训练损🌘🇵🇾失的变化🥈🇭🇲上，这也解释了🈯为什么单纯Ⓜ🇭🇰在具身♠🦞场景数🎧🇾🇹据上微调V🤗LM（那🇧🇲🇻🇳样做同样会降👨🦰🍛低训练损失）却🔒未必能改😅善机器人任务表👘现👩❤️👩🔲。
说到底，斯坦福大💙🛐学的这项研究为我🍄🗓们揭示了一个非🔙常务实的未🥉来图景☄。然而，🇳🇫🎃并不是所有🔕的内部思考都是💁有价值的🍐。它需要将原文的真👎实信息与自💁♂️己刚刚🧠在草稿纸上👩🏫写下的各种发⬇散性思考进行🎡👨🌾融合🇩🇪🇳🇦。
