世界模型指给定当前状态和一个动作，它预测下一步会变成什么状态。本质是一个模拟器或预测器。例如："我拿起杯子 → 杯子的位置变了，水可能洒出来"。
视觉语言行为模型指给定视觉观察和人类语言指令，它直接输出机器人要执行的动作。本质是一个策略网络或控制器。例如："看到红色杯子 + 听到'拿起杯子'指令 → 输出机械臂的关节角度"。
世界模型：通常使用无标签或自监督的视频/状态序列数据。学习的是物理常识（如物体运动学、动力学），不需要动作标签。训练目标是最小化预测误差。
VLA模型：必须使用有动作标签的机器人操控数据。通常需要（图像，指令，动作轨迹）三元组。训练目标是最大化给定观测和指令下正确动作的概率。
VLA + 世界模型 = 更强的智能体 ：VLA负责"做什么"（策略），世界模型负责"会发生什么"（模拟）。
典型应用：
规划：VLA采样多个动作，世界模型预测每个动作的未来结果，VLA选择结果最好的动作执行。
想象增强：VLA在实际执行前，先在世界模型中"想象"执行后果，进行试错（类似AlphaGo的自我对弈）。
数据生成：用世界模型生成海量虚拟机器人交互数据，用来训练VLA（解决真实数据稀缺问题）。
想要简单直接：先做VLA（端到端模仿学习），快速出效果。想要鲁棒、适应性强：在VLA中加入世界模型作为内部模拟器，实现想象规划。目标是通用机器人：两者缺一不可------VLA负责意图，世界模型负责常识。