WAIC 展台上，一直琢磨智元的VLA和世界模型。

GO-2 VLA具身模型。它更像是一个大框架：我看懂了任务，然后拆解步骤，再生成执行规划。

但是执行任务不是总存在「完美场景」。比如说去拿一个杯子，这个杯子是倒的、斜的，你应该怎么拿？

这时候就需要用GE-02世界模型，不断的去训练这些动作。模拟抓取、移动、放入设备全过程，应对不同的情况。

VLA负责规划整套工作流程，世界模型提前预判动作风险、优化方案，二者结合，机器人才能稳定落地真实的场景。

（以上不一定对，或者说只是非常粗浅的理解。如果觉得小儿科，请谅解。）