Jitendra Malik：别把 VLM 和世界模型混为一谈

JitendraMalikCV · x · 2026-08-24

伯克利教授 Jitendra Malik 呼吁机器人学界保持术语精确，不要混用 VLM、VLA、世界模型（World Models）。他指出：VLM 源自 LLM 的多模态扩展（如 VQA 训练），捕捉的是图像背后的静态语义，不含动态；而世界模型本质是动力学模型，可追溯到 1960 年代的控制论（Bellman、Kalman），用于回答「在状态 s 下执行什么动作 a 能到 s'」，经典控制中由物理建模先验写出，如今则从视频、机器人轨迹等时序数据中学习为神经网络，但概念不变。两者不应混同。