研究與評測
RSS 2026聚焦具身路線分歧
量子位據報導
據量子位現場訪談，RSS 2026研究者認為具身智慧產業仍未成熟，VLA與世界模型也非相互取代，而可能形成混合架構。討論指出，世界模型能否有效支援機器人動作，以及資料的篩選、配比與整理，可能比單純擴大資料量更關鍵。這些觀點來自個別研究者與從業者，彼此亦有分歧，尚不代表產業共識。
讀原始報導背景
VLA（視覺－語言－動作）是整合視覺、語言與動作的多模態模型，目前被視為具身智慧模型的主流架構。相較之下，世界模型著重理解物理世界、預測未來狀態與動作後果，並據此支援規劃及持續修正。