具身机器人研究全都错了？最新论文：不能只靠VLA和世界模型

一篇新发表于arXiv的立场论文对当前具身智能主流范式给出否定结论：由Motoniq团队及合作者撰写的论文指出，仅靠更大规模的机器人示范数据、视觉-语言-动作（VLA）模型与世界模型，无法实现通才机器人智能，现有范式存在明显不足。论文认为，物理智能缺失四个关键组件：物理数据引擎与具身自动标注、跨具身的任务保留重定向、物理扎根的世界模型（含不确定性估计）、任务条件化奖励扎根驱动的部署闭环。研究团队强调，未来突破口不在更大模型，而在于补齐上述组件；VLA与世界模型只是整套物理智能系统中的一层，其有效性取决于数据、本体、动力学、奖励与部署反馈的支撑。该论文对当前动辄百亿美元的人形机器人投资热潮与VLA路线构成系统性挑战，具身机器人的“GPT时刻”依然很远。