计算机视觉（CV）和自然语言处理（NLP）早先是两个较为d立的研究L域。CV 重点关注如何用计算机代替人眼对目标完成识别、跟踪、测量等任务，对图像进行处理；NLP 则研究计算机如何处理、运用自然语言，包括语言生成、问答、对话等任务。近年来，以深度神经网络为代表的机器学习和模式识别技术被广泛应用于 CV 和 NLP L域，取得了目前先进的效果。
近年来，研究者们试图将动作控制也引入到「视觉-语言」任务的框架中。吴琦将此类任务命名为 V3A（Vision, Ask, Answer, Act），在给定视觉输入后，我们希望机器能够提出问题、回答问题、并通过和人以及机器之间的语言交流执行某些动作。
例如，「Vision+Ask」的任务包含视觉问题生成、根据问题生成查询、图像描述等；「Vision+Answer」的任务包含视觉问答、视觉对话等；「Vision+Act」的任务包含指称表达、视觉对齐（visual grounding）、语言引导的视觉导航、具身视觉问答、具身指称表达等。
| 资料获取 | |
| 服务机器人在展馆迎宾讲解 |
|
| 新闻资讯 | |
| == 资讯 == | |
| » 广州市加快智能装备与机器人产业高质量发展 | |
| » 广州市人工智能+行业应用工作方案2025 | |
| » 2025年广东省“机器人+”典型应用场景 | |
| » 广东省加快推动人工智能赋能玩具产业行动方 | |
| » 广东省人工智能赋能制造业高质量发展 行动 | |
| » 广东省人工智能与机器人产业政策汇编 ( | |
| » 智能体OpenClaw(小龙虾)应用实践 | |
| » 清华大学《龙虾（OPenClaw）管理学 | |
| » 人形机器人产业发展趋势：产能爆发式增长， | |
| » 人形机器人产业分布格局：美、日本、欧洲、 | |
| » 人形机器人重点应用场景：工业、服务、医疗 | |
| » 2025年人形机器人市场研究报告-出货量 | |
| » 机器人的电位器式位移传感器的特点:线性, | |
| » 智能机器人对传感器的要求：精度高、可靠性 | |
| » 金属热电阻的测温电路接法：两线制和三线制 | |
| == 机器人推荐 == | |
服务机器人(迎宾、讲解、导诊...) |
|
智能消毒机器人 |
|
机器人底盘 |
 |
