当物体在滚动、滑动、被撞飞，机器人还在执行几百毫秒前的动作预测。 对动态世界而言，这种延迟，往往意味着失败。 在过去几年中，Vision-Language-Action（VLA）模型迅速成为机器人领域的焦点：机器人可以 "看懂" 画面、"理解" 语言指令，并直接输出连续动作， 在静态抓取、摆放、桌面操作等任务中取得了显著进展。 但一个长期被忽视的问题是 —— 真实世界几乎从来不是静态的 。当物体开始移动、加速、碰撞、改变轨迹，当前主流 VLA 模型往往会出现反应迟缓、动 作失配、甚至完全失败的情况。 论文链接：https://arxiv.org/abs/2601.22153 项目链接：https://haozhexie.com/project/dynamic-vla/ GitHub 链接：https://github.com/hzxie/DynamicVLA 在静态场景中，VLA 模型通常遵循如下流程： 问题不在于模型不聪明，而在于：它们跟不上时间。 近日，来自 NTU S-Lab 的研究团队提出 DynamicVLA，首次系统性地从模型架构、推理机制和数据体系三个层面，重新审视并解决 动态物体操控 （Dyn ...