Google 如何教 LLM 控制机器人，并掀起一场机器人热潮

Google 2023 年 7 月发布 RT-2，把多模态 LLM 训练成直接输出机器人动作的模型，参数量从 RT-1 的 3500 万跃升至数十亿，并展现出对物体、场景和指令的泛化能力。Google 将其命名为视觉-语言-动作（VLA）模型，这一架构与术语随后成为行业标准，推动中美大公司和机器人创业公司持续投入。