点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Yuqing Wen等 编辑丨具身智能之心 >> 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。 近年来，视觉-语言模型（Vision-Language Models, VLMs）取得了飞跃式进展。其中，自回归模型长期占据主导地位，展现了强大的多模理解与泛化能力，并推 动视觉-语言-动作模型（Vision-Language-Action Models, VLAs）成为了机器人智能控制的研究热点。然而，自回归模型的单向顺序生成机制在效率与灵活性上存 在天然瓶瓶颈。为突破这一困境， 掩码扩散模型 （Masked Diffusion Models, MDMs）强势崛起，凭借并行预测与多轮迭代优化，在大规模预训练下展现出于自 回归模型可比的性能与可扩展性，代表性的工作有 大语言扩散模型 LLaDA，以及其多模态拓展LLaDA-V等。 然而，大语言扩散模型在 机器人动作生成 上的价值仍未被充分挖掘。为此，我们提出 LLaDA-VLA —首个大语言扩散模型开发的 ...