作者称纯 VLA 未必需要强长程规划，VLM 已能补位

m_wulfmeier · x · 2026-08-04

作者认为，纯 VLA（Vision-Language-Action）模型未必需要在长时程规划上做到很强，因为这类能力可以由 VLM（Vision-Language Model）来补位，而且 VLM 的提升通常更容易。

他还拿 OpenAI 的魔方案例举例，认为长时程问题其实已经有了一个相当强的解法；接下来更值得关注的，可能不是让 VLA 单独承担全部规划，而是继续增强 VLM，并把它放进更合适的系统里。