> 数据图表你知道端到端的 VLA 模型目前有多种技术架构2026-8-5端到端的 VLA 模型目前呈现多种技术架构并存，行业尚未形成统一方案。从模型的宏观架构范式看，VLA 模型可分为基于自回归的 VLA 模型、基于扩散模型的 VLA 模型。离散动作词元的自回归序列建模，虽然解码速度快，但其量化误差较大，导致难以实现平滑精细的控制，可能需要特定的技巧（如掩码、分块等）来缓解误差影响。采用连续化动作类型的 VLA 模型通过生成式建模实现连续动作的生成，从而能够进行平滑控制，但这种方法会显著增加计算开销和延迟。从认知分层角度，VLA 模型可分为单系统和多系统分层架构，多系统分层架构将高层任务规划与低层动作控制解耦，通过分层协作提升任务的执行能力和泛化性。谷歌 DeepMind 的 RT 模型是单一系统架构的代表，Figure AI 推出的 Helix 模型采用了双系统架构实现 7-9Hz 认知推理和 200Hz 本体运控的协同，用于实现人形机器人上半身的高频灵巧控制。国内整机厂商中，例如自变量机器人 WALL-OSS 采用 MOE 混合架构在一个单系统链路中协同表达跨模态信息，实现大脑语义知识到小脑动作执行的知识迁移。东方证券综合其他
