一介布衣、

摘要： https://arxiv.org/abs/2502.21257 摘要 近年来，多模态大语言模型（MLLMs）在多模态场景中展现出了卓越的能力。然而，它们在机器人场景中的应用，尤其是长时序操作任务，仍存在显著局限。这些局限主要源于当前MLLMs缺乏三项机器人“大脑”核心能力：规划能力（将复杂操作指令 阅读全文