Architektura

VLS

EksperymentalnyOpublikowano: 28 lipca 2026Aktualizacja: 28 lipca 2026Opublikowany

Architektura sterowania robotem, w ktorej wizja i jezyk okreslaja CO zrobic, a biblioteka zweryfikowanych umiejetnosci (skills) okresla JAK to wykonac. Alternatywa dla end-to-end modeli VLA; koncepcja Holiday Robotics.

Kluczowa innowacja

Rozdziela 'co' od 'jak': model wizja-jezyk ustala zadanie, a wykonanie realizuja wczesniej zweryfikowane, powtarzalne umiejetnosci (skills) pobierane i komponowane w calosc, zamiast monolitycznej, end-to-end predykcji akcji jak w modelach VLA.

Kategoria

Architektura

Poziom abstrakcji

Paradygmat

Poziom operacji

ModelSterowanie robotemInferencja

Zastosowania

Sterowanie humanoidami w zadaniach manipulacyjnychNiezawodna automatyzacja przemyslowa i uslugowaKompozycja zlozonych zadan z wielokrotnie uzywalnych umiejetnosciWdrozenia wymagajace testowalnosci i powtarzalnosciTransfer z symulacji do rzeczywistosci (sim-to-real)

Jak działa

1) Model wizja-jezyk interpretuje polecenie i scene, ustalajac cel zadania (CO zrobic). 2) Planista/orkiestrator rozklada zadanie na sekwencje umiejetnosci i pobiera odpowiednie, zweryfikowane umiejetnosci z biblioteki. 3) Kazda umiejetnosc (skill) wykonuje konkretna, powtarzalna czynnosc (JAK), czesto wczesniej przetestowana w symulacji i rzeczywistosci. 4) Wyniki umiejetnosci sa monitorowane (mierzalnosc), a orkiestrator koryguje/kontynuuje plan az do ukonczenia zadania.

Rozwiązany problem

Modele end-to-end VLA bywaja nieprzewidywalne, trudne do walidacji i podatne na bledy poza rozkladem. VLS zwieksza niezawodnosc, powtarzalnosc i testowalnosc, opierajac wykonanie na wczesniej zweryfikowanych umiejetnosciach.

Komponenty

Modul wizja-jezyk (VLM)Rozumienie zadania

Interpretuje scene i polecenie jezykowe, ustalajac cel zadania (CO zrobic).

Oficjalna

Biblioteka umiejetnosciWykonanie (JAK)

Zbior wczesniej zweryfikowanych, powtarzalnych umiejetnosci (skills) realizujacych konkretne czynnosci (JAK).

Oficjalna

Orkiestrator / planistaKompozycja i kontrola

Rozklada zadanie na umiejetnosci, pobiera je z biblioteki, komponuje w sekwencje i monitoruje wykonanie.

Oficjalna

Implementacja

Implementacje referencyjne

Holiday Robotics — FRIDAY (VLS)

Holiday Robotics

Oficjalna

Pułapki implementacyjne

Luki w bibliotece umiejetnosci (dlugi ogon)Wysoka

Zadania wymagajace umiejetnosci spoza biblioteki sa niewykonalne; pokrycie dlugiego ogona jest trudne.

Rozwiązanie:Ciagle poszerzanie i uczenie nowych umiejetnosci, fallback do uczenia z demonstracji.

Bledy orkiestracji/kompozycjiŚrednia

Bledny dobor lub kolejnosc umiejetnosci psuje zadanie mimo poprawnych pojedynczych umiejetnosci.

Rozwiązanie:Lepszy planista, monitorowanie i korekta w petli, weryfikacja warunkow wstepnych/koncowych.

Utrzymanie i walidacja umiejetnosciŚrednia

Kazda umiejetnosc wymaga walidacji (sim + real) i utrzymania, co skaluje sie kosztownie.

Rozwiązanie:Automatyzacja testow umiejetnosci, standaryzacja interfejsow, ponowne uzycie.

Ewolucja

2023

Dominacja end-to-end VLA

Modele Vision-Language-Action (np. RT-2) ustanawiaja monolityczne, end-to-end podejscie do sterowania robotem, wobec ktorego VLS sie odroznia.

2026

Holiday Robotics wprowadza VLS (FRIDAY)

Punkt przełomowy

Holiday Robotics promuje architekture Vision-Language-Skill dla humanoida FRIDAY jako modularna, zweryfikowana alternatywe dla end-to-end VLA (Series A 105 mln USD).

Hiperparametry (konfigurowalne osie)

Granularnosc umiejetnosciWysoka

Jak drobne/zlozone sa pojedyncze umiejetnosci.

Rozmiar biblioteki umiejetnosciKrytyczna

Liczba i pokrycie zweryfikowanych umiejetnosci.

Metoda orkiestracjiWysoka

Jak zadanie jest rozkladane i komponowane z umiejetnosci (planowanie, LLM, reguly).

Złożoność obliczeniowa

Złożoność czasowa: Zalezna od VLM (planowanie) + wybor/wykonanie umiejetnosci. Złożoność przestrzenna: O(VLM + biblioteka umiejetnosci).

Wąskie gardło obliczeniowe

Pokrycie i jakosc biblioteki umiejetnosci

Skutecznosc VLS zalezy od pokrycia zadan przez zweryfikowane umiejetnosci; luki w bibliotece (dlugi ogon) oraz bledy orkiestracji ograniczaja elastycznosc wzgledem end-to-end VLA. Walidacja umiejetnosci (sim + real) jest kosztowna.

Zależy od

Kompletnosc biblioteki umiejetnosciJakosc orkiestracji