RSJ2025｜尾形哲也教授：從 Sim2Real 到 VLA 模型，日本 AI 機器人研究的新時代

發佈於日本等個房間

更新於 2025/09/09發佈於 2025/09/09閱讀時間約 7 分鐘

在 AI 機器人研究的世界裡，「模擬到現實」（Sim2Real）與「視覺＋語言＋行為整合模型」（VLA Model）正在成為最重要的關鍵字。這篇文章將帶你完整理解早稻田大學尾形哲也教授在 RSJ2025 日本機器人學會 特別講演中提出的最新研究趨勢：

這不是單純的會議摘要，而是一篇深度解析。讀完後，你將能：

✨ 掌握未來 3–5 年內 AI 機器人研究的主流方向 ✨ 理解這些技術對於產業、社會實用化的意義 ✨ 甚至能將這些概念轉化成投資或研發趨勢的判斷依據

日本人形機器人研究的歷史背景：從 ASIMO 說起

尾形教授的講演從回顧歷史開始。他提到，日本在 1990–2000 年代曾因 本田 ASIMO 等人形機器人的突破而備受矚目。這些機器人能 行走、奔跑、上下樓梯、踢足球，展現出驚人的機械控制技術。

然而，當時的限制也很明顯：雖然硬體性能強大，但「語言理解」與「認知推理」的不足，讓這些機器人無法真正走進人類社會的日常場景。這段歷史脈絡，也成為今天「資料驅動 AI 機器人」研究的重要前情。

關鍵啟示：機械結構的進化是基礎，但真正能讓機器人成為「社會成員」的，是 智能層面的突破。

機器學習與強化學習在 AI 機器人中廣泛應用，但尾形教授直言：「資料，仍是最大的瓶頸。」

因此，研究者開始尋求替代方案：如何在「不增加風險」的情況下，依然能獲得足夠的訓練數據？這正是 Sim2Real 技術登場的背景。

Sim2Real（Simulation to Reality）意指：

👉 先在虛擬模擬環境中進行 AI 訓練 👉 再將學到的策略、模型轉移到真實機器人上

這樣的做法能：

模擬畢竟不是現實，許多細節無法完全複製：

因此，研究者必須開發 Domain Randomization（領域隨機化）、生成式數據擴增 等方法，來縮小差距。

尾形教授指出，隨著 生成式 AI 的成熟，現在可以用文字描述來快速生成模擬場景與物件，讓機器人接受更加多樣化的訓練。這為 Sim2Real 注入新的可能性。

過去我們熟悉的 VLM（Vision–Language Model），如 CLIP、GPT-4V，能同時理解文字與影像。但若要讓機器人行動，還缺少「行為層」。

VLA（Vision–Language–Action Model）正是這個缺口的答案。

例如：

有人說：「把桌上的紅色杯子遞給我。」

👉 VLA 模型會讓機器人辨識影像中的紅色杯子 → 規劃路徑 → 控制手臂抓取 → 完成遞交。

VLA 模型的價值，不只是執行命令，而是：

尾形教授不只談技術，也談「生態系統」。

AIRoA（AI Robot Association）：致力於推動 開放資料基盤（Open Dataset Infrastructure） 與 基盤模型（Foundation Model），讓研究者與企業能共享資源，而不是各自為政。
願景：建立一個像「共同語言」一樣的標準化平台，降低開發門檻，加速技術落地。

這與美國 OpenAI、Google DeepMind 的閉鎖式發展路線形成對比，顯示日本希望透過「開放協作」來打造競爭力。