面向长时域具身智能体的工具对齐视觉-语言-动作模型

Zixing Lei, Changxing Liu, Yichen Xiong, Minhao Xiong, Yuanzhuo Ding, Zhipeng Zhang, Weixin Li, Siheng Chen

2026

摘要

本文提出VLAs-as-Tools策略，通过高层视觉语言模型进行时序推理，并利用专用VLA工具执行局部操作，以解决长时域任务中闭环规划与物理操作的负担。同时引入工具族接口和工具对齐后训练方法，提升任务成功率和指令遵循能力。

VLA modelslong-horizon taskstool alignmentpost-trainingembodied agents

MANIPULATION

📊 2 引用

Yusen Li, Ziwei Wang, Xiangye Zhu 等 12 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 1 引用

Shaoqing Qin, Lida Zhu, Yanpeng Hao 等 10 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Bo Li, Yuanbo Zhao, Huijie Xiao 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Hao Li, Yuhui Yu, Rui Fu 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026