# 语法约束解码

预训练视觉语言模型不必先学机器人动作，把以工具中心点为中心的动作坐标系投影进腕部相机画面并用文本接口输出动作后，27B模型零样本在简单操作任务上平均成功率79.4%，接近用约30条演示微调过的VLA模型。

预训练视觉语言模型不必先学机器人动作，把以工具中心点为中心的动作坐标系投影进腕部相机画面并用文本接口输出动作后，27B模型零样本在简单操作任务上平均成功率79.4%，接近用约30条演示微调过的VLA模型。