VLA 模型核心架构是什么？
尚未关联知识库答案
宇树科技
具身面经分享：宇树科技AI算法工程师一面，直接给我问自闭了！！！ 最近整理到一份宇树科技 AI 算法工程师一面面经。 看完最大感受： 现在具身算法岗，真的不是“会调个 VLA”就够了。😂 第一题： 👉 VLA 模型核心架构是什么？ 👉 RT-2 怎么把连续动作变成 Action Token？ 👉 画架构图，并写出动作 Token 的数学定义。 如果只会一句： “图像+语言输入模型，然后输出动作。” 基本到这里就卡住了。 第二题更狠： 👉 7B VLA 推理只有 1～3Hz，但机器人底层控制要 50～200Hz，怎么解决？ 这已经不是考论文，而是在问： 模型到底怎么真正跑到机器人上。 要能讲出： ⚡ 快慢脑分层 ⚡ 蒸馏和量化 ⚡ Waypoint + 插值 ⚡ 不同方案的 Trade-off 第三题继续： 👉 如果基于 7B VLM 做机器人持续预训练，数据集怎么搭？ 互联网数据、仿真数据、真机数据分别放多少？ 训练前中后期，比例为什么还要动态变化？ 整套题其实就考一件事： 动作怎么表示 → 怎么实时执行 → 用什么数据 学会执行。 现在头部机器人公司的面试，越来越看重的是： 模型、数据、控制、真机工程能不能真正串起来。 我把这几道题完整拆成了 8 张卡片，包含 VLA 架构、Action Token、控制频率和持续预训练数据配比。 准备 VLA / 具身智能 / 机器人算法岗的，可以收藏。
第 1 轮
VLA 模型核心架构是什么？
RT-2 怎么把连续动作变成 Action Token？
7B VLA 推理只有 1～3Hz，但机器人底层控制要 50～200Hz，怎么解决？
如果基于 7B VLM 做机器人持续预训练，数据集怎么搭？
根据公司、岗位、季节和元数据确定性匹配。
要能讲出： 快慢脑分层 蒸馏和量化 Waypoint + 插值 不同方案的 Trade-off
互联网数据、仿真数据、真机数据分别放多少？
训练前中后期，比例为什么还要动态变化？