Google 如何教大語言模型控制機械人，並帶動機械人熱潮

Google 在 2023 年宣佈 RT-2，將多模態大語言模型訓練成可直接生成機械人動作的 VLA 模型，帶動以此架構為基礎的機械人研究熱潮。文章梳理 Physical Intelligence 等團隊以動作分段、強化學習、記憶和視覺推理改善機械人操作與複雜任務能力，並探討 VLA 與世界模型的關係。