机器人操控中的视觉语言动作模型：系统综述

视觉语言动作（VLA）模型代表了机器人技术中的一场变革，旨在将视觉感知、自然语言理解和实体控制统一于单一的学习框架内。本文综述了VLA范式的全面且前瞻性的综合，特别强调机器人操控和指令驱动的自主性。我们全面分析了102个VLA模型、26个基础数据集和12个仿真平台，这些构成了VLA模型开发与评估的整体环境。这些模型被归类为关键的架构范式，每种范式反映了在机器人系统中整合视觉、语言与控制的不同策略。基础数据集通过基于任务复杂性、多模态多样性及数据规模的新颖指标进行评估，从而实现其在通用策略学习中的适用性比较。我们引入一个二维特征框架，根据语义丰富度和多模态对齐度对数据集进行组织，揭示了当前数据领域未充分探索的区域。仿真环境则根据其生成大规模数据的效率、促进仿真到现实迁移的能力及支持任务的多样性进行评估。通过学术界与工业界的贡献，我们识别了持续存在的挑战，并提出了战略方向，如可扩展的预训练协议、模块化架构设计以及稳健的多模态对齐策略。该综述不仅作为技术参考，也作为推进具身智能和机器人控制的概念路线图，提供了从数据集生成到通用机器人代理现实部署的全方位洞见。