什么叫具身智能？具身智能不就是广义的让机器使用机器嘛。 
让机器使用机器，有两种思路，一种是把工具的使用流程算法化（这就类似于机器的组装过程），但这种方法过于局限了，只要是稍微复杂一点的工具，那机器人就做不了。 
所以我们有了第二种思路，也就是VLA，类似于大语言模型的发展，我们希望模型可以去学习人类的轨迹，从而来学会工具的使用。 
但这种方法其实也是有局限性的，显而易见就是数据量的严重匮乏。 
其实从人类自身的学习阶段其实很明显的可以发现，我们的具身智能还走在人类的婴儿期阶段。我觉得蹒跚学步这个词就很形象的形容当前的具身的方向。通过让VLA去学习各种轨迹，学会应该如何初步的去操作某些常用的工具。这必然意味着在他没有见过的工具，他可能甚至都不知道从何处下手，他如果只见过了抓取杯子的行为，那必然是没有见过使用锤子的行为，那你让一个只会用杯子的婴儿去拿起锤子干活，这显然有点不符合常理。 
所以...