arXiv · cs.AI· Zixing Lei, Changxing Liu, Yichen Xiong, Minhao Xiong, Yuanzhuo Ding, Zhipeng Zhang, Weixin Li, Siheng Chen·· 11 小时前
VLAs-as-Tools：利用工具对齐视觉-语言-动作模型实现长时程具身任务
Towards Long-horizon Embodied Agents with Tool-Aligned Vision-Language-Action Models
arXiv:2605.13119v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zixing Lei, Changxing Liu, Yichen Xiong, Minhao Xiong, Yuanzhuo Ding, Zhipeng Zhang, Weixin Li, Siheng Chen
研究任务与主要进展
作者提出VLAs-as-Tools，将长时程具身任务中的时序推理、全局规划和恢复交给高层视觉语言模型智能体，将多样化的局部物理操作交给专用视觉-语言-动作工具，并通过工具选择、执行进度反馈和事件触发重规划连接两者。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org