已收录文章摘要，完整内容可前往原文阅读。
VLM 驱动具身模型的 Robot Agent 正成为开放场景机器人操作主流，但现有系统多为 VLM 主导：VLM 逐步规划、具身模型仅作工具，使 VLM 处于执行关键路径，系统时延随任务长度而非出错