今天繼續(xù)來(lái)回答小伙伴的提問(wèn)，最近有一位小伙伴提問(wèn)，VLA模型中的理解是不是也基于一些預(yù)置的規(guī)則指導(dǎo)行動(dòng)的？其實(shí)這個(gè)問(wèn)題非常值得討論，今天智駕最前沿就帶大家詳細(xì)聊一聊。

視覺(jué)-語(yǔ)言-動(dòng)作（VLA）模型是什么？

在講今天的內(nèi)容之前，要先把VLA講清楚。視覺(jué)-語(yǔ)言-動(dòng)作模型（Vision-Language-Action Model，簡(jiǎn)稱(chēng)VLA）是近年來(lái)機(jī)器人和人工智能領(lǐng)域興起的一類(lèi)模型。它的目標(biāo)是讓一臺(tái)機(jī)器“看懂世界”、“理解任務(wù)指令”，然后自己去執(zhí)行動(dòng)作。

舉個(gè)例子，一臺(tái)機(jī)器人面對(duì)一個(gè)裝滿玩具的桌子，你用語(yǔ)言告訴它“把紅色球放進(jìn)盒子里”，它就需要先“看見(jiàn)”桌子上的東西，分辨出哪個(gè)是紅色球和盒子；然后它要理解你說(shuō)的這句話的意思；最后它得控制自己的機(jī)械臂抓起球并放到指定位置。VLA模型的意義就在于把這三個(gè)任務(wù)整合起來(lái)，而不是像傳統(tǒng)機(jī)械那樣把每個(gè)步驟拆開(kāi)做。

一個(gè)典型的VLA模型會(huì)包括兩個(gè)核心部分，一個(gè)是視覺(jué)-語(yǔ)言編碼器（Vision-Language Encoder），負(fù)責(zé)把圖像和語(yǔ)言輸入映射成機(jī)器內(nèi)部可以處理的表示；另一個(gè)是動(dòng)作解碼器（Action Decoder），負(fù)責(zé)根據(jù)這種內(nèi)部表示生成具體執(zhí)行動(dòng)作的命令。這樣的架構(gòu)可以在一次前向計(jì)算中把視覺(jué)信息和語(yǔ)言指令結(jié)合起來(lái)，直接輸出機(jī)械動(dòng)作或控制信號(hào)。

之所以會(huì)提出VLA模型，是因?yàn)閭鹘y(tǒng)機(jī)器人系統(tǒng)會(huì)將視覺(jué)感知、語(yǔ)言理解和動(dòng)作規(guī)劃拆成不同模塊，這種模塊化系統(tǒng)在復(fù)雜環(huán)境下很難協(xié)同，而且對(duì)場(chǎng)景變化的適應(yīng)性較差。VLA模型的端到端方法試圖讓感知、理解和行動(dòng)融成一個(gè)整體，從而具備更自然、更接近人類(lèi)操作的能力。

VLA模型里所謂的“理解”到底是什么？

很多人聽(tīng)到AI具備“理解能力”，就會(huì)自然而然聯(lián)想到傳統(tǒng)程序里如“如果看到紅色球，就執(zhí)行抓取動(dòng)作”這樣的規(guī)則判斷。這種規(guī)則式的思考可以讓行為動(dòng)作有據(jù)可循，但VLA模型的理解并不是這種有明確規(guī)則的程序邏輯。恰恰相反，它沒(méi)有預(yù)定義的、用編程手寫(xiě)的規(guī)則來(lái)指導(dǎo)每一次動(dòng)作如何執(zhí)行。它的理解來(lái)自于大量示例學(xué)習(xí)出來(lái)的關(guān)聯(lián)模式。

換句話說(shuō)，VLA模型的“理解”不是提前寫(xiě)好的指令集，而是一種端到端學(xué)習(xí)得到的內(nèi)部能力。在訓(xùn)練階段，模型會(huì)被喂入大規(guī)模的訓(xùn)練數(shù)據(jù)，這些數(shù)據(jù)是由很多真實(shí)或模擬場(chǎng)景組成的三元組，即視覺(jué)輸入+自然語(yǔ)言指令+與之對(duì)應(yīng)的動(dòng)作軌跡。如在數(shù)據(jù)里可能有這樣的記錄，“圖像是桌面場(chǎng)景，語(yǔ)言是把杯子放進(jìn)箱子，動(dòng)作序列是機(jī)械手臂移動(dòng)并完成抓取動(dòng)作”。模型通過(guò)反復(fù)“看見(jiàn)+讀懂+對(duì)比正確動(dòng)作”這樣的樣本，逐漸學(xué)習(xí)出視覺(jué)特征、語(yǔ)言表征和動(dòng)作輸出之間的統(tǒng)計(jì)關(guān)系。

這種學(xué)習(xí)是統(tǒng)計(jì)意義上的，而不是邏輯規(guī)則式的。模型并沒(méi)有一個(gè)明確的代碼告訴它“紅色就是要抓取”，它只是從數(shù)據(jù)里看到在大量場(chǎng)景中，當(dāng)出現(xiàn)“紅色球”和相關(guān)指令時(shí)，執(zhí)行某些動(dòng)作是合適的。

從這個(gè)角度看，“理解”在VLA中更像是一種統(tǒng)計(jì)上的推斷能力，模型不是在判斷一個(gè)明確的規(guī)則是否滿足，而是在根據(jù)它已經(jīng)學(xué)到的多模態(tài)關(guān)聯(lián)進(jìn)行預(yù)測(cè)。理解語(yǔ)言成分時(shí)，就類(lèi)似人類(lèi)語(yǔ)言模型的方式；理解視覺(jué)信息時(shí)，責(zé)利用視覺(jué)編碼器提取場(chǎng)景特征；動(dòng)作的輸出則是在學(xué)習(xí)中形成的概率式策略。這種能力的組成是多種網(wǎng)絡(luò)層結(jié)構(gòu)和訓(xùn)練方法協(xié)同的結(jié)果，而不是單個(gè)模塊的規(guī)則引擎決定的

VLA模型內(nèi)部是怎么做到“理解”的?

為了更清楚地解釋VLA模型內(nèi)部“理解”是怎么發(fā)生的，可以把VLA模型拆成幾個(gè)部分來(lái)簡(jiǎn)單理解。

在視覺(jué)模塊，計(jì)算機(jī)視覺(jué)網(wǎng)絡(luò)會(huì)把攝像頭捕獲的畫(huà)面轉(zhuǎn)換成一組高維特征，這些特征描述了場(chǎng)景里物體的位置、顏色、形狀等信息，而且這種轉(zhuǎn)換過(guò)程不是通過(guò)預(yù)定義規(guī)則實(shí)現(xiàn)的，而是通過(guò)視覺(jué)編碼器（比如Transformer或深度學(xué)習(xí)某些架構(gòu)）學(xué)習(xí)得到的。這些視覺(jué)編碼器能夠把像素轉(zhuǎn)換成更抽象、對(duì)任務(wù)有意義的表示，這是一種由數(shù)據(jù)學(xué)習(xí)出來(lái)的視覺(jué)理解能力。

語(yǔ)言模塊和現(xiàn)在流行的大語(yǔ)言模型類(lèi)似，它會(huì)把自然語(yǔ)言指令轉(zhuǎn)換成機(jī)器內(nèi)部可以處理的語(yǔ)義向量。語(yǔ)言模塊并不把指令拆成明確步驟，而是把語(yǔ)言映射成一種語(yǔ)義空間表示，在這個(gè)表示里任務(wù)目標(biāo)、動(dòng)作意圖等信息可以被進(jìn)一步處理。這樣的語(yǔ)言編碼能力本身也是從大量文本和指令數(shù)據(jù)中學(xué)習(xí)出來(lái)的。

在視覺(jué)和語(yǔ)言的編碼結(jié)果都轉(zhuǎn)化成內(nèi)部表示之后，模型內(nèi)部有一個(gè)融合層或者共同的潛在空間表示，它把兩種不同模態(tài)的表示合并起來(lái)，使視覺(jué)信息和語(yǔ)言目標(biāo)能夠結(jié)合成一個(gè)綜合的表示。在這一層，模型學(xué)習(xí)到視覺(jué)場(chǎng)景中的哪些對(duì)象和語(yǔ)義指令相關(guān)聯(lián)。就拿前文中機(jī)器人拿紅球的例子來(lái)簡(jiǎn)單理解下，如果語(yǔ)言里提到了“紅色球”，視覺(jué)編碼器的特征里有一種與紅色物體相關(guān)的高維向量，模型就會(huì)將它們關(guān)聯(lián)起來(lái)。

融合后的內(nèi)部表示會(huì)傳到動(dòng)作解碼器，這一步負(fù)責(zé)將綜合表達(dá)轉(zhuǎn)化成具體的動(dòng)作命令。動(dòng)作解碼器的輸出可以是機(jī)器人關(guān)節(jié)的控制信號(hào)、路徑規(guī)劃參數(shù)等。在訓(xùn)練時(shí)模型已經(jīng)見(jiàn)過(guò)大量這樣的輸入—輸出對(duì)，所以它能學(xué)會(huì)在給定視覺(jué)和語(yǔ)言條件下如何輸出正確動(dòng)作。這樣的輸出并不是由預(yù)設(shè)規(guī)則決定的，而是由模型內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)重計(jì)算得到的最優(yōu)動(dòng)作預(yù)測(cè)。

上面說(shuō)的整個(gè)過(guò)程看上去像一個(gè)黑箱，輸入是一張圖像和一句話，輸出是一組動(dòng)作命令，中間有大量的矩陣乘法和非線性變換在發(fā)生，而這些都是統(tǒng)計(jì)學(xué)習(xí)得到的映射關(guān)系。

最后的話

回到最初的問(wèn)題，VLA模型里的理解是不是基于一些預(yù)置的規(guī)則來(lái)指導(dǎo)行動(dòng)？

答案是：不是。VLA模型內(nèi)部不依賴(lài)傳統(tǒng)意義上的預(yù)先寫(xiě)好的規(guī)則。它的理解和動(dòng)作生成能力來(lái)自于對(duì)大量視覺(jué)—語(yǔ)言—動(dòng)作示例的學(xué)習(xí)過(guò)程。在學(xué)習(xí)結(jié)束后，模型能在看到新的圖像和語(yǔ)言指令時(shí)，通過(guò)內(nèi)部的潛在空間表示和映射關(guān)系生成合理的動(dòng)作輸出，這種能力更像是一種通過(guò)數(shù)據(jù)訓(xùn)練出來(lái)的模式匹配和策略生成能力，而不是靠寫(xiě)好的規(guī)則集合。

這樣的設(shè)計(jì)讓VLA模型具備了更強(qiáng)的泛化能力和適應(yīng)性，但同時(shí)也意味著它不像規(guī)則驅(qū)動(dòng)系統(tǒng)那樣容易解釋或明確驗(yàn)證。這種“學(xué)習(xí)出來(lái)的理解”是一種統(tǒng)計(jì)形式的能力，這類(lèi)模型有望在更多復(fù)雜任務(wù)中表現(xiàn)得越來(lái)越像我們所理解的“智能體”。

-- END --

       原文標(biāo)題 : VLA模型是基于預(yù)置規(guī)則來(lái)指導(dǎo)行動(dòng)嗎？