2024年出现的机器人控制模型，采用扩散策略替代自回归动作生成，旨在解决VLA模型在实时控制和动作精度上的局限
业界常用大模型控制机械臂的技术路径包括直接提示工程、Code-as-Action以及专门训练的视觉-动作模型（如RT-2、π0）
OpenVLA、π0、RT-2 和 RDT-1B 都属于「单体模型」（monolithic）VLA模型
π0 来自 Physical Intelligence，专注于通用灵巧操作
Toyota Research Institute的Diffusion Policy和Physical Intelligence的π0证明将扩散模型作为动作生成器比自回归token预测更适合连续控制任务
Physical Intelligence的π0采用了基于Flow Matching的连续动作生成方案，用于灵巧操作任务
前沿的机器人模型架构普遍以视觉-语言-动作（VLA）为核心框架，代表包括Google DeepMind的RT-2和Physical Intelligence的π0
谷歌DeepMind的RT-2、特斯拉Optimus、Figure AI等项目是具身智能方向的代表性探索
谷歌DeepMind的RT-2、特斯拉Optimus、Figure AI等项目是具身智能方向的代表性探索
65%待验证业界常用大模型控制机械臂的技术路径包括直接提示工程、Code-as-Action以及专门训练的视觉-动作模型（如RT-2、π0）
50%待验证OpenVLA、π0、RT-2 和 RDT-1B 都属于「单体模型」（monolithic）VLA模型
50%待验证π0 来自 Physical Intelligence，专注于通用灵巧操作
50%待验证Toyota Research Institute的Diffusion Policy和Physical Intelligence的π0证明将扩散模型作为动作生成器比自回归token预测更适合连续控制任务
50%待验证Physical Intelligence的π0采用了基于Flow Matching的连续动作生成方案，用于灵巧操作任务
50%待验证前沿的机器人模型架构普遍以视觉-语言-动作（VLA）为核心框架，代表包括Google DeepMind的RT-2和Physical Intelligence的π0
50%