声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1421/N
国际刊号：1000-7857
发布日期:
作者：张慧, 谢东锦, 梁姝彤, 李明轩, 贾晓丰, 田永林, 马思吉, 李浩然, 李浥东
单位：1北京交通大学计算机科学与技术学院，北京100044；2新疆大学软件学院，乌鲁木齐830046；3北京市大数据中心，北京101117；4中国科学院自动化研究所，北京100190；5澳门科技大学创新工程学院，澳门999078；
关键词：视觉−语言−动作模型,多模态学习,具身智能,大语言模型
基金：国家自然科学基金青年项目(62203040)
人工智能正经历从“感知智能”“认知智能”向“具身智能（embodied intelligence）”的深刻演进。传统的人工智能系统能够识别图像、理解语言，但往往止步于“知”的层面，无法进一步完成“行”的环节。实现从“能感知”“会思考”到“可行动”的跃迁，是智能体走出虚拟空间、进入真实世界的关键所在。正如Brooks在1991年所提出的“智能源于与环境交互”的经典观点[1]，具身智能的本质是通过感知、认知与行动三大能力的闭环融合，使智能体能够在开放环境中自主感知世界、理解意图并执行任务。围绕这一目标，视觉−语言−动作（vision−language−action，VLA）模型的提出成为支撑具身智能落地的核心技术路径。
来源：2025年第20期
《科技导报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。