双主线研究地图
从 VLA 的动作生成，到 WAM 的世界预测，沿两条主线理解技术演进。
打开研究总览
具身星图Embodied AI Atlas
从经典 VLA 到前沿 WAM，把论文谱系、硬数据与产业生态连成一张可检索的研究地图
具身星图
Embodied AI Atlas
入场中正在打开具身世界
请稍候
具身星图
> 从经典 VLA 到前沿 WAM，把论文谱系、硬数据与产业生态连成一张可检索的研究地图
- 88篇
- 论文细读
- 50+
- 评测基准
- 57家
- 生态公司
- 2条
- 研究主线
EMBODIED-UNITVLA · WAM
运行中 · ONLINE
VLA：按动作生成路线浏览
RESEARCH TRACK 01 · VISION → LANGUAGE → ACTION
打开 VLA 完整总览 VLA 的核心问题是：模型如何把视觉观察与语言指令，转化为可执行、可泛化的机器人动作。下面按“动作如何生成”拆成五条路线。
连续 · 扩散/流匹配
连续动作生成
如何稳定生成高频、多峰连续动作？
输出连续动作块生成扩散 / 流控制高频灵巧侧重多峰分布
混合 · 连续回归
语义规划与精细控制融合
如何兼顾语义规划与低层控制精度？
输出混合动作规划高层语义控制连续回归权衡泛化 / 精度
分层 · 双系统/推理
快慢分层，推理可控
如何让慢推理与快速闭环协作？
架构双系统策略快慢分层控制快速闭环权衡深度 / 时延
新范式探索
统一基座与经验学习
如何从视频、真机反馈与记忆持续进化？
预训视频基座优化真机 RL记忆长期反思目标持续进化
WAM：按世界—动作建模范式浏览
RESEARCH TRACK 02 · WORLD ↔ ACTION MODELING
打开 WAM 完整总览 WAM 不只回答“下一步做什么”，还显式或隐式预测“做了之后世界会怎样”。下面按级联、联合与跨范式底座组织。
联合 · 自回归
Token 化，因果联合生成
如何用统一因果序列建模未来与动作？
状态 token→未来 token↔动作 token
世界表示Token动作耦合联合核心侧重长时程
联合 · 扩散
并行去噪，未来与动作同生
如何并行生成多模态未来与连续动作？
噪声→未来 + 动作→并行去噪
世界表示多模态动作耦合联合核心侧重高频闭环
联合 · 混合
自回归 + 扩散混合
如何让规划与连续控制各取所长？
AR 长程规划→Diffusion→连续控制
世界表示混合动作耦合联合核心侧重长时程
跨范式 · 基座/平台/仿真
世界模型基座 · 平台 · 仿真器
如何把世界建模变成可复用基础设施？
视频 / 仿真→世界底座→规划 · 控制 · 评测
世界表示多源动作耦合平台核心侧重跨任务复用
