智元AGIBOT今日宣布，由香港大学、智元AGIBOT、复旦大学和上海创智学院组成的联合研究团队提出了WholeBodyVLA，这是一种面向真实世界的人形机器人全身Vision–Language–Action框架。该框架基于智元灵犀X2研究发布，将VLA扩展至双足人形机器人的全身控制，并在全身loco-manipulation任务中验证了其可行性。WholeBodyVLA通过从第一视角人类视频中学习移动与操作的潜在动作表示，解决了真机数据稀缺的问题，并提升了运动执行中的稳定性。

研究团队在智元灵犀X2人形机器人上进行了大量真机实验，发现WholeBodyVLA具备大范围、长程移动操作任务的能力，并且展现出距离泛化性、操作泛化性和地形泛化性。该框架能够从不同位置出发，完成目标物体处的操作任务，对不同场景、物体、位置表现出操作泛化性，并能在干扰地形上保持基本准确的移动方向和平衡。WholeBodyVLA为双足人形机器人自主全身控制提供了可行路径，使机器人能够在真实世界中稳定完成行走与操作交织的长时序任务。