IXThinker·2025-10-30 19:50

阿里新研究WorldVLA 融合VLA與世界模型

阿里巴巴達摩院、湖畔實驗室與浙江大學共同提出統一框架WorldVLA，把視覺語言動作模型與世界模型放進同一體系，讓AI同時具備理解環境、預測變化與採取行動的能力。

統一框架

WorldVLA的核心思路是融合：世界模型結合對動作與影像的理解來預測未來畫面，從而學習環境的潛在物理規律；動作模型則基於影像觀測生成後續動作，讓AI從「看見」走向「理解」再到「行動」。