研究团队还构建了一个名为"LoHoSet"的数据集，基于Ravens机器人模拟器，包含20个长时序任务，每个任务有1,000个专家示范，涵盖视觉观察、语言目标、子任务和机器人动作。实验结果表明，LoHoVLA在Ravens模拟器的长时序任务上显著优于 ...