#VLMs

这篇论文介绍了$R^3$，一种将VLMs转化为机器人推理器的方法，通过自由形式的语言推理来指导低级策略，值得一看。

这篇论文搞了个VLM-IE3D，让普通视觉语言模型看RGB视频就能学会3D空间感，不用额外3D设备，而且好几个3D任务都做得更好。