点击下方 卡片 ，关注" 具身智能 之心 "公众号 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 我们提出了Long-VLA，是首个专门针对长时任务设计的端到端 VLA 模型。其核心创新在于引入阶段感知的 输入掩码，将子任务划分为"移动阶段"和"交互阶 段"，并在不同阶段动态调整视觉模态输入，使模型能够在移动时关注全局空间线索，在交互时聚焦局部精细感知。通过这种方式，Long-VLA 在保持统—架构 和端到端学习优势的 同时，有效解决了技能链问题。实验结果显示，无论在仿真环境还是真实机器人平台上，Long-VLA 都显著超越现有方法，确立了新的性能 基准，在机器人长时任务研究中具有突破意义。 标题：Long-VLA: Unleashing Long-Horizon Capability of Vision Language Action Model for Robot Manipulation 链接：https://arxiv.org/abs/ ...