算法论文8

清华&Qwen：VLM 智商与机器人操控零相关

深度学习自然语言处理2026-01-15

AI 摘要

清华和 Qwen 论文：测试显示 VLM 通用能力与机器人操控能力‘零相关’，具身预训练效果不佳，现有 VLM 视觉编码器看不懂‘动作’，别迷信大模型，应聚焦视觉训练。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

鹿明发布NexCore助力具身智能落地

8月19日鹿明机器人发布具身智能进化引擎Lumos NexCore，试图在数据、模型等与机器人间建立生产与运行链路，让机器人能力成可复用‘技能资产’，解决具身智能技能生产效率问题。

2026年宇树科技成功上市，创始人王兴兴创业十年有诸多“非共识”观点。如高性能机器人不意味昂贵，堆数据难带来具身智能，AI强对硬件要求或降低。如今宇树成行业共识，也面临新挑战。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

具身智能中长程执行成关键问题，墨奇智能发布具身模型架构MoRA，提出Agentic - Native技术路线，让Agentic能力原生存在于策略模型中，还介绍了模型内部设计、所需数据等内容。