World-Model on k4i's bloghttps://k4i.top/zh/tags/world-model/Recent content in World-Model on k4i's blogHugo -- gohugo.iozhsky_io@outlook.com (K4i)sky_io@outlook.com (K4i)All content is subject to the license of <a rel="license noopener" href="https://creativecommons.org/licenses/by-nc-sa/4.0/" target="_blank">CC BY-NC-SA 4.0</a> .Thu, 18 Jun 2026 10:00:00 +0800具身智能模型的三条路线：VLA、世界模型与 WAMhttps://k4i.top/zh/posts/embodied-models-vla-jepa-wam/Thu, 18 Jun 2026 10:00:00 +0800sky_io@outlook.com (K4i)Thu, 18 Jun 2026 10:00:00 +0800https://k4i.top/zh/posts/embodied-models-vla-jepa-wam/<p>如果大语言模型只需要回答一句话，那么具身智能模型要多回答一个问题：<strong>这句话接下来要变成什么动作？</strong></p> <p>比如你对桌面机器人说：“把红色杯子推到盘子旁边。”模型不只要识别杯子、理解“旁边”，还要决定机械臂下一步往哪里移动、夹爪什么时候闭合、动作失败后如何修正。这里的难点不是多模态本身，而是语言、视觉、物理状态和连续动作之间有闭环：动作会改变世界，新的世界又会改变下一步动作。</p>K4ifeatured imageembodied-airoboticsvlaworld-modeljepanotes