近日，面壁智能在WAIC期间正式发布并开源MiniCPM-Robot系列模型及推理框架PhyAI。其中，1.5B参数的MiniCPM-RobotManip通用VLA模型跻身行业第一梯队，具备出色的上下文记忆能力，推理延迟仅为竞品一半；0.9B的MiniCPM-RobotTrack模型实现了弱网环境下的端侧精准跟踪，追踪率达开源最优。同时，PhyAI框架大幅提升了模型在真实硬件上的部署效率。目前，面壁智能已联合乐聚机器人、吉利汽车等，推动具身智能在导览、巡检及仓储等场景落地，致力于让机器人不仅“聪明”，更能低成本、高效率地在物理世界“干好活”。

近日，华为云CloudRobo团队提出一种即插即用的视觉-语言-动作（VLA）模型“外挂”神器——HIL-ResRL（基于人机协同残差强化学习的微调适配器）。针对现有VLA模型在真实物理世界中易受误差累积影响、真机强化学习成本高昂等痛点，该方案将基础模型视为黑盒，通过轻量级残差策略结合“人类在环”护航进行纠偏。真机实验表明，在抓取、高精度插拔等工业任务中，仅需1小时在线训练，任务成功率即可飙升至95%以上，并大幅降低安全风险。此外，该技术还能无缝接入多模态触觉反馈。HIL-ResRL以轻量、高效的优势，为具身智能在柔性制造中的快速落地提供了全新破局思路。

2026年2月12日，小米宣布开源其首代机器人VLA大模型Xiaomi-Robotics-0。该模型拥有47亿参数，具备视觉语言理解与高性能实时执行能力，旨在推动机器人技术的创新与发展。这一开源举措为开发者提供了强大的工具，助力探索更多应用场景。

缺数据也能拿SOTA？清华&上海AI Lab破解机器人RL两大瓶颈 视觉-语言-动作（VLA）模型是实现机器人复杂操作的关键，但其训练面临数据采集成本高和泛化能力不足的瓶颈。为此，研究团队提出了SimpleVLA-RL框架，基于veRL扩展，通过交互式轨迹采样、结果奖励建模和探索增强等设计，...

2025年6月26日，谷歌推出名为Gemini Robotics On-Device的视觉-语言-动作（VLA）模型，这是其首个可微调的VLA模型，专为双臂机器人设计。该模型可在设备本地离线运行，无需依赖网络，适用于对延迟敏感的场景。它具备强大的任务泛化能力，能理解自然语言指令并完成高灵巧度操作，如拉拉链、折叠衣物等。模型支持快速适应新任务，仅需50-100个样本即可展现良好性能，并已适配Franka FR3双臂机器人和Apollo人形机器人，展现了广泛的应用潜力。

元戎启行与火山引擎达成深度合作，将在AI汽车领域共同发力。火山引擎作为字节跳动旗下的云与AI服务平台，将为元戎启行提供算力支持，并在AI原生服务、智能驾驶与大语言模型融合等方面展开协同。 元戎启行CEO周光指出，算力、数据与算法是推动VLA（Vision-Language-Action）模型发展的三...

标题：AI搞定所有家务？换个房子也能行 近年来，机器人在灵活性和复杂任务处理上取得显著进展，但泛化能力仍是最大挑战。泛化指机器人在新环境中正确完成任务的能力，比如在家里的不同布局中抓起新勺子、理解任务语义并执行相应操作。现有机器人多基于特定场景和相似数据训练，难以适应多样化环境。 美国Physi...

标题：智能驾驶水面之下，“AI推理之争”暗流涌动 文 | 极智GeeTech 智能驾驶的竞争正从快速预训练转向深度推理。算力集群与算法架构成为竞争焦点，推理能力成为突破智能瓶颈的关键。“推理”要求AI理解逻辑并生成合理输出，从数据处理到模式识别再到复杂问题解决，这标志着AI的“顿悟”时刻来临...

3月30日，在百人会智能汽车创新技术与产业论坛上，元戎启行CEO周光透露已完成VLA模型的道路测试，并计划推出全系列智能驾驶系统产品，兼容激光雷达和纯视觉方案，适配多种芯片平台。预计今年将有超5款搭载VLA模型的车型上市。2024年，元戎启行通过引入大语言模型升级端到端模型为VLA模型，大幅提升智能驾驶系统的全局观与复杂场景应对能力，实现决策透明且全程可追溯。VLA模型被视为迈向完全自动驾驶的关键路径，其卓越性能已在潮汐车道等复杂场景中得到验证。周光指出，VLA模型将推动用户体验从“有无”向“极致体验”转变，预计将在智能驾驶市场爆发期重塑行业格局。