Vision模块+语言模块+行为模块

MOTOVIS VLA基础大模型框架，是认知模型的基础，是以视觉编码器，视觉语言模型，动作策略模型为基础，以世界模型为强化学习环境，以4D数据集，VQA数据集，法规数据集，物理交互数据集作Fine Tune。