三言語の表記
日本語視覚・言語・行動モデル略称：VLA
EnglishVision-Language-Action Model
中文视觉-语言-动作模型

視覚・言語・行動モデルとは

視覚・言語・行動モデル（VLA）は、カメラ画像と自然言語の指示を入力として、ロボットの動作を直接出力するモデルです。画像と言語を理解する視覚言語モデルに、行動を生成する部分を組み合わせた構成をとるものが多く、ロボット基盤モデルの主流の形になっています。「赤い部品を箱に入れて」のような指示で作業を切り替えられる点が、ティーチング中心の従来方式との違いです。

Definition (English)

A model that takes camera images and natural-language instructions as input and directly outputs robot actions. Many combine a vision-language model with an action-generation module, allowing tasks to be switched by instruction rather than by reprogramming.

释义（中文）

以相机图像和自然语言指令为输入、直接输出机器人动作的模型。多数在视觉语言模型基础上加入动作生成模块，可通过指令切换作业，而无需重新示教。

関連する用語

この用語を引用・埋め込む

この釈義は CC BY 4.0（表示 4.0 国際）で提供しています。出典（このページへのリンク）を明記すれば、商用を含めて自由に複製・改変・再配布できます。

出典表記の例

株式会社サオス MFG-AI「製造業AI用語集：視覚・言語・行動モデル（VLA）」https://mfg-ai.com/terms/vla（CC BY 4.0）

HTMLで埋め込む

<blockquote cite="https://mfg-ai.com/terms/vla">
  <p>視覚・言語・行動モデル（VLA）は、カメラ画像と自然言語の指示を入力として、ロボットの動作を直接出力するモデルです。</p>
  <footer>出典：<a href="https://mfg-ai.com/terms/vla">株式会社サオス MFG-AI「製造業AI用語集：視覚・言語・行動モデル（VLA）」</a>（<a href="https://creativecommons.org/licenses/by/4.0/deed.ja">CC BY 4.0</a>）</footer>
</blockquote>

用語集全体のデータは CSV / JSON でダウンロードできます。

この記事を書いた人

株式会社サオス

株式会社サオス 製造DX部

DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。

運営者情報　編集方針　株式会社サオスのサイト