視覺語言動作（VLA）模型在無人機機器人和雙臂操作中的應用：綜述

視覺語言動作（VLA）模型是一種將視覺感知、自然語言理解和動作生成統一在單一基礎模型中的框架。這類模型透過網際網路規模預訓練繼承了世界知識，使得機器人能夠直接從攝像頭影像理解並執行如“摺疊毛巾”或“飛到紅色建築”等自然語言指令。近年來，VLA已成為學習型操作的主流正規化，其中雙臂協調是最具挑戰性的測試場景：每個機械臂擁有7個自由度，需要協同完成摺疊、組裝和重新定向等任務。

無人航空機器人面臨結構相似的問題：無人機必須在嚴格的延遲和載荷約束下，從視覺觀測中協調推力、姿態以及日益增多的抓取命令。本綜述系統梳理了2017年至2026年間共183篇相關文獻，從七個維度進行分析：VLA架構、訓練方法、動作表示、雙臂協調（2022-2026年）、無人機導航與控制（2017-2026年）、語言基礎，以及包括記憶和世界模型在內的跨領域問題。

研究團隊發現，針對雙臂VLA開發的協調策略、訓練方法和動作表示可以有效地遷移至無人機系統。這些跨領域的共性為兩個方向的融合創新提供了基礎。綜述還指出了14個未來研究方向，涵蓋模型泛化、即時性最佳化、多模態融合等關鍵問題。該研究為機器人領域的研究者提供了全面的技術回顧，併為無人系統與操作任務的交叉研究繪製了路線圖。具體來說，VLA架構包括端到端學習和模組化設計；訓練方法涉及預訓練、微調和模仿學習；動作表示從關節角度到任務空間軌跡。雙臂協調部分總結了協調控制、避碰和任務分配策略，而無人機部分則聚焦於基於視覺的導航、控制與抓取。語言基礎方面探討了如何將自然語言指令對映到機器人動作，記憶和世界模型則用於長期規劃和推理。透過比較兩個領域，作者展示了雙向技術轉移的潛力，例如雙臂抓取策略可啟發無人機的空中抓取，而無人機的高效導航演算法也可用於移動操作器的路徑規劃。這份綜述不僅是對現有工作的總結，更是未來研究的行動指南。