已收录文章摘要，完整内容可前往原文阅读。
高层模型负责决定下一步做什么，低层 VLA 负责完成当前子任务，运行时负责检查，验证模块负责确认动作是否真的产生了进展。视觉-语言-动作模型正在成为机器人控制的重要基础模型。给定相机画面和自然语言指令