说明： ChatGPT等基于Transformer的大语言模型(LLM)的成功带给了人们巨大的震撼，其表现的few-shot甚至zero-shot能力仿佛让人们看到了通用人工智能(AGI)的曙光。而CLIP等跨模态模型打通了NLP和CV的界限，这些VLM模型将AGI发展继续向前推进。 AGI在机器人领域同样有很大的提升空间。试想如果机器人拥有了LLM般的思考能力，那世界将变得多么智能！届时的机