（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）🇧🇧。"——👶😑这类样本要求👣模型同🔯🇬🇺时完成空间定位和🛳🍆物体指代🌯，恰好是机器人感🇲🇦🍴知和操作所需的核🎓心能力⛈。打个比🚞方：这就🇬🇹像请了🥊🧭一个修理工🇹🇱，他每动一🐧👩⚕️下扳手之前，都要🇫🇰你把整栋楼的图🌩🧕纸从头念一遍🎯给他听—🚋—念图纸的钱，远⚖🉐比拧螺丝的钱贵得🍹🇺🇬多📨🔯。
中国科学技术大🐒学博士🇸🇳👉研究生🐫☹罗远旻、陈炜、🦹♂️🛰余华斌博士和汪🛀🔚丹浩博⏪✳士是共🇬🇮同第一作🤕🎓者，孙海定教授担🔋任唯一通讯作者🇹🇻。为什么会这样？论🇲🇵文指出了💟⭕一个事实—🔜🥒—钱不是🕔花在“🆕写代码”上，而♊是花在“读👽代码”上❔。但把 A🐃👹gent🌆📯 能力推得最深🍚☃的公司，恰恰在自🇵🇬己的代码里为📢 AI 📻🏄设置了休☮✊息时间🐇📹。
