蚂蚁灵波开源的LingBot-VA是全球首个因果视频-动作模型，能够预测未来并执行任务，具备长期记忆和高效泛化能力，适应新任务。通过视频推演，机器人在复杂任务中表现优异，标志着通用机器人进入视频时代。

在北京的世界机器人大会上，智平方展示了具备多任务处理能力的人形机器人爱宝。爱宝通过“超级大脑”GOVLA，实现全域感知、全身协同、长程柔性和快速学习，能够灵活适应不同场景，展现通用机器人的潜力。

本研究探讨了构建通用机器人系统的方法，提出结合模块化设计与大规模学习以提高学习效率。研究表明，该方法能够有效实现零-shot操作，推动通用机器人代理的发展。

本研究提出FuSe方法，解决了通用机器人策略对视觉和本体感知的依赖问题。通过语言作为跨模态基础，FuSe在复杂任务中的成功率提高了20%以上，显示出广泛的应用潜力。