Concertina统一机器人认知与动作

Concertina以单个扩散视觉语言模型联合表示认知推理与连续机械操作。

推荐理由：它不再把动作量化成离散词元或外接轨迹专家，而让动作生成梯度直接进入视觉语言骨干；若训练稳定，可减少认知表征与物理控制之间的信息损失和目标冲突。