文章目录前言一、VLM二、VLN三、VLX四、世界模型总结前言首先阅读这篇的前先阅读我的另外一篇文章【一看就会】什么是VLA以理解VLA的基础来来理解这四个概念。一、VLMVLM全程为Vision-Language Model 视觉–语言模型和VLA相比少了A动作这一步。类比VLA理解起来就很简单了就是VLA就是听懂人话看懂图像之后动手而VLM就是听懂人话看懂图像之后不动手。VLAVLM控制A二、VLNVLN全称叫Vision-Language Navigation视觉-语言-导航这个类比VLA理解VLA最后是控制动作主要指机械臂机械手等而VLN最后的输出就是移动指令。三、VLXVLX就是VLN,VLM,VLA的统称就是VL后面的太多了并且越来越多所以就都用X来代表。四、世界模型这个和上面的VLX系列就完全不是一种东西了。它是一个模拟器因为实际数据获取需要很大成本就造个模拟器进行训练。它也可以作为VLX系列的前置大脑就是你输入指令了先不动作先用世界模型模拟器预演一遍然后再根据预演的情况提出建议给VLX。总结都是一些基础的概念主要帮助大家在阅读和了解相关内容。