感知与智能 · C8
VLA 与具身大模型
行业最热的方向，也是信息噪音最大的方向。要能分清「演示能力」和「交付能力」。
要学什么
- VLA 的输入输出范式：视觉 + 语言 → 动作（或动作块）
- 它与分层架构的关系：VLA 通常只做高层决策，底层仍是控制回路
- 推理延迟与频率的现实约束：几 Hz 的决策怎么和 1kHz 的控制配合
- 数据闭环：真机数据如何回流、如何评估增量
四条路线需要多深
算法精通
系统软件知道
嵌入式电控不需要
机械结构不需要
「精通」= 能从零推导 / 能手写实现 / 能判断别人的方案对不对；「用过」= 能调起来、能改参数；「知道」= 能听懂、能提问。
怎么算学会了
能说清 VLA 在分层架构里的位置，能给出一个「决策 5Hz + 控制 1kHz」的衔接方案，能读懂一篇 VLA 论文的实验设置。
常见错误
- 以为 VLA 能直接输出关节力矩，忽略控制层与安全约束
- 拿 demo 视频当能力证明，不问成功率、工况与失败恢复