arXiv cs.AI· Weiyu Guo, He Zhang, Pengteng Li, Tiefu Cai, Ziyang Chen, Yandong Guo, Xiao He, Yongkui Yang, Ying Sun, Hui Xiong·· 3 天前AI 评分36
NeuroVLA：面向流畅快速反射式机器人控制的类脑具身智能架构
NeuroVLA: A Brain-inspired Embodied Intelligence for Fluid and Fast Reflexive Robotics Control
AI 导读
研究者提出类脑架构 NeuroVLA，将皮层视觉语言规划器与递归小脑调制、有状态脉冲脊髓控制器耦合，兼顾语义规划与高频本体感觉反馈。其小脑模块将平均指令抖动降低 75.6%，碰撞恢复率达 54.8%，而所评估的 VLA 基线为 0.0%。基于 FPGA 神经形态处理器的脊髓控制器推理延迟 2.19 ms、每次推理 0.87 mJ，推理功耗约 0.4 W。
正文 · AI 翻译
摘要：视觉-语言-动作（VLA）模型从大型语言模型继承了强大的语义表征，但沿用其设计优先级会导致对物理控制的需求描述不足。稳定的操作除了需要指令理解外，还需要高频本体感觉反馈和持续的运动状态。在此我们提出神经形态视觉-语言-动作（NeuroVLA），一种受大脑启发的架构，它将皮层视觉-语言规划器与循环小脑调制以及有状态的脉冲脊髓控制器相耦合。这些组件将语义意图转化为动作，同时融合高频本体感觉和力反馈，维持短期运动记忆，并实现对意外接触的局部响应。在仿真和物理操作任务中，小脑模块将平均指令加加速度降低了 75.6%，NeuroVLA 实现了 54.8% 的碰撞恢复率，而所评估的 VLA 基线为 0.0%。在基于 FPGA 的神经形态处理器上实现的脊髓控制器实现了 2.19 ms 的推理延迟和每次推理 0.87 mJ 的能耗，对应推理期间约 0.4 W 的功耗。这些结果促使我们超越继承自语言模型的设计优先级，转向明确整合语义规划、高频身体反馈、运动记忆和局部纠正的具身架构。
| 评论： | 14 页，8 幅图。标题中加入了 NeuroVLA；阐明了语言模型设计惯性、高频本体感觉、运动记忆和局部反馈；修订了生物学类比；更正了图注和参考文献。实验图表和主要定量结果未变 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2601.14628 [cs.RO] |
| （或 arXiv:2601.14628v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.14628 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Weiyu- Guo [查看电子邮件]
[v1]
2026 年 1 月 21 日星期三 04:04:44 UTC（20,739 KB）
[v2]
2026 年 10 月 13 日星期二 01:40:33 UTC（20,727 KB）
来源：arXiv cs.AI · arxiv.org