点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 SonghaoHan等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要 的。 Ideal Dynamic Memory Execution Memory Exploration Mix 1 问题背景与动机 近年来，视觉-语言模型（VLM）凭借对图像与文本的强大对齐能力，为机器人带来了"看图执行指令"的全 新范式。研究者只需给出一句自然语言命令，机械臂便能在仿真或真实桌面环境中完成抓取、移动、放置 等操作。这类系统通常以 VLA 等 "小脑" 模型的形式存在：直接把多模态观测映射到低层控制信号，强调 即时反应与传感-运动耦合。然而，随着任务场景从单步抓取扩展到家庭级复合操作，仅靠小脑反应已难以 胜任；机器人还需要 "大脑" VLM 进行长期规划、记忆管理与自我反思，并与小脑 Controller 高效协同。 现有公开基准的平均任务长度不足 500 步，也很少显式考察大小脑协作（Planner ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 SonghaoHan等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要 的。 Ideal Dynamic Memory Execution Memory Exploration Mix 1 问题背景与动机 近年来，视觉-语言模型（VLM）凭借对图像与文本的强大对齐能力，为机器人带来了"看图执行指令"的全 新范式。研究者只需给出一句自然语言命令，机械臂便能在仿真或真实桌面环境中完成抓取、移动、放置 等操作。这类系统通常以 VLA 等 "小脑" 模型的形式存在：直接把多模态观测映射到低层控制信号，强调 即时反应与传感-运动耦合。然而，随着任务场景从单步抓取扩展到家庭级复合操作，仅靠小脑反应已难以 胜任；机器人还需要 "大脑" VLM 进行长期规划、记忆管理与自我反思，并与小脑 Controller 高效协同。 现有公开基准的平均任务长度不足 500 步，也很少显式考察大小脑协作（Planner ...

人形机器人系列（九）： 从Components到Functions，看手 眼协作、大小脑协同的投资机会 长江证券研究所机械研究小组 2025-05-06 %% %% %% %% research.95579.com 1 证券研究报告 • 证券研究报告 • 评级 看好 维持 分析师 赵智勇 分析师 倪蕤 分析师 刘晓舟 SAC执业证书编号：S0490517110001 SAC执业证书编号：S0490520030003 SAC执业证书编号：S0490524030001 SFC执业证书编号：BRP550 分析师及联系人 %% %% research.95579.com 2 01 人形机器人产业快速推进，仍存 在应用痛点 02 Functions仍有瓶颈约束，视觉+ 运控+手眼协同为重要细分架构 目 录 %% research.95579.com 3 01 人形机器人产业快速推进，仍存在应用痛点 %% %% %% %% %% %% research.95579.com 4 人形机器人首先是要造好一个人形机器人本体 01 ➢ 2022年10月特斯拉提出人形机器人OPtimus硬件设计方案，遵循第一性原理，包括14个旋转 ...