（来源：上观新闻）
VLA（Vis📦🇨🇽ion🥇-Lan🦸♀️guag🧦👸e-Actio🧙♂️n）架构是💘🍮目前具身智🇻🇨🗑能领域的🎣🇸🇨主流方案，其结构⚜🆗清晰：视觉模块负🆖责“看”，语言模🤼♀️块负责“🇳🇮🎞理解”，🤜动作模块🇫🇮负责“做”🔻🇲🇷。除了上下文长度低🐗了点，🏔Agen🇨🇳🌉t 和 Codi🔟ng 能力的提👩👩👧👦🕺升还是挺明显的🍯🍦。这里，"薄🇵🇷🇬🇶控制"说的🔠🇸🇿就是你这个总监—😊—他对☔每件事只需要了🎇🔊解概要🔜，不需要📼👨🚀把所有细节装😁🤸♀️进自己脑子里🐭🌈。
他们开发了🥅👩❤️💋👩一个叫做A🌯iScient☁🧴ist（以下简称👨✈️🇦🇿"AI科学家"）🐶的系统，并在两🇯🇲个业界公认👜颇具挑战性的😔🚁测试基准上验证🌴🕛了它的能🙄⚱力🇸🇦🌭。论文里没有长篇大🥩🧟♀️论地解释CSA🌭📢和HC👨👨👦A为什么要配🌁🆕对使用，但读🎭📎完整个arch💋itectu🎆re章节，能看📕出它们的分工🍜。它在搭 Agen🥚t 时🐄☑代的第🤾♀️一个微信群🤢。与OpenCl🔔🇰🇭aw的静态调🧬用不同，Her🇱🇷mes在运⏺📬行过程中🛡可以自动生成、♌优化、存🇫🇲储新的技📽能代码，并通过🇱🇨“技能蒸👩🏭🎲馏”机制将任🇰🇪务经验沉淀为可👩🌾👘复用的技能文件🇨🇱。
