具身智能链路：VLA 与世界模型
2026/8/23大约 2 分钟
AICon 2026 学习系列 · 阶段 6 · 前沿扫描 · 第 37/43 篇 · 🚧 占位待学
上一篇：《多模态架构直觉：模型怎么看图》
下一篇：《端侧智能与超级 App：端云协同》
学习大纲：《AICon 2026 学习总纲》
状态：待学习。 本文为占位文档：知识点清单、实验与验收标准已就绪，正文待按「先学习、先实验、再撰写」补全。
对应总纲单元：阶段 6 · 单元 6.2
一、本文要解决的问题
机器人的「大脑」怎么长？VLA（视觉-语言-动作）模型把指令、视觉、动作串成一体，世界模型负责在脑内推演后果。概念级走一遍技术链，AICon 机器人专题就从科幻变成工程。
二、知识点清单
- 具身智能 = 大模型 + 身体：感知 → 决策 → 动作的闭环
- VLA：输入视觉与指令，输出连续动作序列；与「LLM + 工具调用」的同构性
- 世界模型：在脑内模拟环境后果，为规划服务
- 数据瓶颈：真机数据贵 → 遥操作 / 仿真合成 / 视频学习的三条供给线
- 双臂与灵巧手为什么难（自由度与接触丰富性）
三、动手实验（学习时必须真跑）
- 读 AICon《轻量化异构双臂 + VLA/世界模型：家庭服务具身机器人》议题摘要
- 把它的技术链画成一张图：数据从哪来 → 模型怎么训 → 机器人怎么执行
四、验收标准（全部通过才进入下一篇）
五、写作提示（补正文时遵守）
- 开篇问题驱动；结构走「是什么 → 为什么 → 怎么做 → 背景知识」
- 所有代码、命令、输出必须先在本机跑通再写入，不得杜撰
- 版本口径以总纲环境清单为准（Python 3.12 / Ollama / vLLM 与 SGLang 最新版 / Spring AI 1.x）
- 涉及版本敏感结论时标注出处与时间
本篇完成后，把文首导航块的「🚧 占位待学」去掉，并在总纲处打卡。