VLAs-as-Tools: Towards Long-horizon Embodied Agents with Tool-Aligned VLA

VLAs-as-Tools是2026年发表的研究，提出将VLA模型作为可调用工具构建长时序具身智能体。将长时序任务的双重负担分解为高层VLM智能体负责时序推理和场景分析，以及专用VLA工具负责局部物理操作。VLM处理全局规划、任务分解和错误恢复，每个VLA工具专精特定操作原语，在仿真和真实实验中显著提升长时序任务成功率和鲁棒性，为通用机器人智能体架构提供模块化解决方案。