TwinBrainVLA: Unleashing Generalist VLMs for Embodied Tasks via Asymmetric Mixture-of-Transformers

TwinBrainVLA是一种新颖的VLA架构，通过非对称Transformer混合（AsyMoT）机制协调通用VLM和专用VLM，实现联合机器人控制。该架构包含冻结的"左脑"（保留强大的通用视觉推理能力）和可训练的"右脑"（专用于具身感知），通过AsyMoT机制实现两者的协同。TwinBrainVLA解决了通用VLM语义理解与具身本体感知之间的冲突，在多种机器人操作任务上展现出卓越的性能，为通用具身智能提供了新的架构范式。arXiv编号：2601.14133。