主要观点总结
本文介绍了VLA模型在智能驾驶和机器人领域的应用，强调了其具备的理解世界的能力和在具身智能领域的主流技术地位。文章还提到了VLA模型的技术实现和工程落地还处于早期阶段，技术创新需进一步实践验证。同时，文章还提到了阿米奥机器人在探索基于VLA模型的路径，聚焦在消费电子领域的机器人柔性生产。此外，文章还涉及了关于VLA模型的一些讨论和争议。
关键观点总结
关键观点1: VLA模型在智能驾驶和机器人领域的应用及作用
VLA模型具备理解周围环境并直接输出控制指令的能力，是智能驾驶和机器人领域的重要技术。它主要用于机器人领域，后来逐渐成为具身智能领域的主流技术范式与框架。与ChatGPT、Sora等视觉语言模型不同，VLA新增了与物理世界交互的“动作”能力。
关键观点2: 阿米奥机器人基于VLA模型的探索和应用
阿米奥机器人成立不到两年，已聚焦在消费电子领域的机器人柔性生产上。该公司基于VLA模型探索自己的路径，并计划将通用机器人应用到更多场景，如服务领域和家庭清洁整理等。
关键观点3: VLA模型的挑战和未来发展
目前VLA的技术实现和工程落地还处于早期阶段，面临着数据量和模仿学习的挑战。强化学习等新技术带来了新的思路，但仍面临竞争博弈等问题。此外，商业模型的计算和落地也是一大挑战。尽管存在一些争议和挑战，但行业普遍认为机器人具备具身智能是一个重要的发展方向。
正文
而VLA模型，是能让物理硬件具备真正智能的大模型。刘方认为，如果VLA这条路能跑通，自动驾驶就变成一个低维度的事，成为具身智能大问题里的子问题。
刘方表示，近年来的智能驾驶，本质上是模仿学习，不依赖人工写规则，而是直接让系统学习海量数据，自主找到驾驶规律。但这也伴随着挑战，模仿学习没有办法处理已有数据之外的case。
VLA、强化学习等新技术落地，正在带来新的思路。
例如，VLA（视觉语言动作）模型中的VLM（视觉语言模型），本身就具备了认识世界的能力。“VLM的性能决定VLA超过一半的性能，VLA大部分工作其实就是在VLM上做增强。”刘方表示。
除了具备看图说话、能感知距离之外，VLA更关键的一步，是最后的动作环节。“好比买家具回来组装，首先读一下说明书，看案例，但能不能干得好，还是要实操。”
刘方表示，最后的环节本质上就是trying out（测试）的过程，机器人也会在最后的实操阶段做强化学习。
强化学习是一种AI训练的奖励机制与策略，如果智驾系统开对了就给“糖”，开的不好就挨罚。
不过刘方表示，自动驾驶跟机器人的强化学习最大差别是，竞争博弈问题。“机器人不用跟旁边的机器人抢一个杯子，但自动驾驶的强化学习中，还包括对手的反应怎么模仿。”
这最终可能需要一个好的世界模型仿真器才能解决问题。但实际落地过程中，不可能忽然出现一个很好的世界模型来帮助模拟。“只能说，世界模型的一部分模拟先让系统做强化学习、得到提升，然后找到不符合真实的模拟反应，加一些数据加让世界模型变得更好，一步步迭代。我相信世界模型跟驾驶模型一定是绑定在一起迭代的。”
刘方还表示，当下VLA还处于创新迷茫阶段，行业各家的实现路径不尽相同，也还没有达到收敛状态。
基于VLA模型，阿米奥机器人在探索自己的路径。刘方向36氪汽车介绍，公司目前主要聚焦3C消费电子领域的机器人柔性生产。
他告诉36氪汽车，很多电子产品生命周期并不长，产量小，而自动化产线部署成本高，至少需要两个月时间才能落地，“但一条生产线只生产3-4个月就满足需求了，从成本上来看，3C消费电子的产线自动其实不划算。”
而基于VLA模型，刘方表示能让过往的专用机器人变成通用机器人，学习能力和适应能力很快赶上人类水平。
例如，在工厂的固定工位提供一台机器人软硬件，代替人力三班运作，即便3C产品产线发生柔性变化，通用机器人也能够在类似的通用任务之间无缝切换。
目前，阿米奥机器人与北大搭建了联合实验室，双方在VLA基座模型上开展合作。在模型训练上，阿米奥机器人也能在投资人智谱AI的助力下开展预训练；其次，阿米奥机器人已经在工厂里进行数据采集。
商业进度层面，刘方表示，今年三四季度将有一条大的通用机器人产线整体落地。除了消费电子领域，未来阿米奥机器人还将扩展到服务领域、家庭清洁整理等场景。
以下是36氪汽车与阿米奥创始人刘方的对谈，内容经编辑：
36氪汽车：你们不考虑做汽车领域的机器人产线吗？
