让视觉语言模型在动作世界中操控机器人

WAA通过视觉动作工作区和多智能体协作，让通用VLM直接驱动机器人完成操作决策。

推荐理由：它把VLM从生成约束或程序的外围角色，推进到可观察接触状态并持续决策的控制环内；核心价值是用通用模型承接更直接的具身操作。