视觉语言动作（VLA）模型在无人机机器人和双臂操作中的应用：综述

视觉语言动作（VLA）模型是一种将视觉感知、自然语言理解和动作生成统一在单一基础模型中的框架。这类模型通过互联网规模预训练继承了世界知识，使得机器人能够直接从摄像头图像理解并执行如“折叠毛巾”或“飞到红色建筑”等自然语言指令。近年来，VLA已成为学习型操作的主流范式，其中双臂协调是最具挑战性的测试场景：每个机械臂拥有7个自由度，需要协同完成折叠、组装和重新定向等任务。

无人航空机器人面临结构相似的问题：无人机必须在严格的延迟和载荷约束下，从视觉观测中协调推力、姿态以及日益增多的抓取命令。本综述系统梳理了2017年至2026年间共183篇相关文献，从七个维度进行分析：VLA架构、训练方法、动作表示、双臂协调（2022-2026年）、无人机导航与控制（2017-2026年）、语言基础，以及包括记忆和世界模型在内的跨领域问题。

研究团队发现，针对双臂VLA开发的协调策略、训练方法和动作表示可以有效地迁移至无人机系统。这些跨领域的共性为两个方向的融合创新提供了基础。综述还指出了14个未来研究方向，涵盖模型泛化、实时性优化、多模态融合等关键问题。该研究为机器人领域的研究者提供了全面的技术回顾，并为无人系统与操作任务的交叉研究绘制了路线图。具体来说，VLA架构包括端到端学习和模块化设计；训练方法涉及预训练、微调和模仿学习；动作表示从关节角度到任务空间轨迹。双臂协调部分总结了协调控制、避碰和任务分配策略，而无人机部分则聚焦于基于视觉的导航、控制与抓取。语言基础方面探讨了如何将自然语言指令映射到机器人动作，记忆和世界模型则用于长期规划和推理。通过比较两个领域，作者展示了双向技术转移的潜力，例如双臂抓取策略可启发无人机的空中抓取，而无人机的高效导航算法也可用于移动操作器的路径规划。这份综述不仅是对现有工作的总结，更是未来研究的行动指南。