已收录文章摘要，完整内容可前往原文阅读。
机器人已经会抓握、导航和按语言指令行动，但长任务真正难的是：下一步该调用什么、失败后怎么办、这次经验又该改变什么。只会预测动作的 VLA 很难独立承担这些职责，而这正是机器人走向开放环境与长期自主运行