通过在互联网数据上训练视觉语言模型，将其融入机器人控制中，提高泛化能力和语义推理。实验证明，该方法能够提供性能优越的机器人策略，并使机器人具备对新对象的泛化能力和对用户指令的初步推理能力。同时，机器人可以通过思维链式推理进行多阶段的语义推理。

通过在互联网数据上训练视觉语言模型，将其融入机器人控制中，提高泛化能力和语义推理。实验证明该方法可得到性能优越的机器人策略，使机器人获得新兴能力，如泛化能力、解释新命令的能力和初步推理能力。通过思维链式推理，机器人可进行多阶段的语义推理。