解析具身智能的核心支柱：VLA与世界模型（VM）

7，84，。

增加了训练数据集的有效规模，23] ，11，38，而Octo则在跨多个体现组装的机器人数据集上训练策略，并允许对多种机器人设置进行微调最近， 许多研究使用从机器人收集的大量轨迹数据集来训练策略这些工作主要集中在单一的embodiment上，多项研究利用多样的非机器人数据或预训练的视觉-语言基础模型来提升策略对新场景和任务的泛化能力[86，4，16，96。

3，15，论文集中于扩展机器人策略的泛化能力，36，46，37，103。