蝶动洞察Flutter Insight

国信证券具身模型架构演进(36页,2026年)

分类:人工智能

标签:具身智能、视觉语言动作模型、分层协同架构、世界模型、人形机器人

摘要:本报告为国信证券经济研究所人形机器人系列专题之一,由唐旭霞、孙树林、傅嘉良撰写,2026年11月中旬发布,聚焦具身模型即视觉—语言—动作(VLA)模型的架构演进。报告以「RT-2到OpenVLA再到π系列」为主线,梳理科技大厂在具身智能领域的布局、VLA一段式与分层架构差异,以及从通用大模型高层规划到机器人实时运动控制的分层协同链路。全文属技术路线与产业跟踪型专题。 报告开篇指出,基础模型厂商与科技巨头依托通用模型开发、多模态理解、算力平台与模型工程化积累,持续向具身智能拓展。具体列举:Google以Gemini Robotics ER 2与Robotics 2.5衔接高层推理和动作执行,NVIDIA以Cosmos、GR00T 2与Isaac Lab推进世界预测、动作生成与仿真训练协同,OpenAI的GPT-6 Astra被机器人公司用于探索动作生成及高层规划,Anthropic Fable 5.2在仿真双臂评测与真机操作中能力明显提升。VLA模型将视觉观测与语言指令转化为机器人动作,分为一段式与分层两类:一段式在统一模型内完成理解与动作预测,分层架构通过子任务或中间目标连接高层规划与

来源:zuudee | 日期:2026-11-18 | 格式:PDF | 页数:36

加载中...