（来源：上观新闻）
VLA（Vi🚦1️⃣sion-La🐀nguage-A🛰ction）架👨🎤构是目前具身智🇰🇼😇能领域的🥂主流方5️⃣案，其结构清晰：🇮🇸🦌视觉模块负责🤑“看”，语言模♋块负责“理解”，🇵🇬动作模块负😝责“做”🥡。论文里没有🥐长篇大论地解释⌚CSA🎺和HCA为什😣么要配对使用，🔟但读完整个a🤦♂️rchit🔀🚺ecture🤼♀️♍章节，🆘能看出🤴它们的分工🚔。
Vahdat还指😐🔋出，对于当今➕的数据中心来说，🦙👨🚒制约因素不仅是💊🌽芯片供应🌧🇳🇺，还有电力💙瓶颈👵😰。没有模块边界，没🇨🇲🇰🇷有数据搬运，没有🤮信息损耗😜🇳🇿。留下来未⭕必是好事 在B📲lin➿d的M📲eta员工版块上🎤🧁，一些用户发问，🥨👭为什么Meta🅱不能提供自🇨🇻愿离职补偿🚐。单一芯片难㊙以同时兼顾两类场🇨🇳景的效率最优⛹️♀️🇳🇷。十几个ex🌥pert通🔳过on-🇹🇳policy🐣 dis🧤til🍗lation合🌏进一个统一的s👨👦👨👦👦tudent⏲。
