动作
分类
生成
如果把这些方法简单放在一起比较，就很容易把“系统层级”“模型结构”“动作生成方式”和“学习策略”混为一谈。
文章
LLM让机器人拥有了更强的语义推理能力，VLA开始连接语言、视觉与动作，Diffusion和FlowMatching改变了动作生成方式，WorldModel和LatentAction又试图建立更加紧凑的中间表示。
文章
一个VLA完全可以采用Transformer、Diffusion或FlowMatching作为动作生成模块。
文章
近年来FlowMatching又成为新的动作生成范式。
文章
模型
VLA更多涉及视觉、语言等多模态信息如何进入动作模型；
文章
因此，触觉、力觉、声音等信号开始进入机器人动作模型。
文章
它使机器人动作模型能够同时利用视觉环境、语言指令以及机器人状态等信息，让“看到什么”和“要做什么”进入同一个动作建模过程。
文章
论文没有简单按照VLA、Diffusion等模型名称进行分类，而是沿着一个动作模型的构建过程，将学习型低层动作建模拆成三个问题：
文章
随着机器人学习的发展，越来越多研究开始通过数据驱动方式学习动作模型，并进一步采用ImitationLearning、ReinforcementLearning以及Auxiliary-taskLearning等不同学习策略来获取和优化机器人行为。
文章
最终
VLA更多描述视觉、语言与动作如何被组织和建模，而Diffusion或FlowMatching关注动作最终采用什么方式生成。
文章
或轨迹
这一层将环境观测、任务条件以及中间表示进一步转化为可执行的动作或轨迹。
文章
动作
PolicyLearning关注如何把前面的输入和潜在表示真正转化为机器人动作。
文章
如何利用视觉、语言等多模态信息建模机器人动作？
文章
之间
第二个问题：感知和动作之间，需要一个怎样的中间空间？
文章
其它
Actuation-LevelControl：这些动作如何被稳定执行？
文章
其它
