本研究提出了一种新方法，将视觉语言模型（VLM）与模拟环境和机器人系统结合，展示了VLM在空间任务中有效处理视觉和文本数据、生成操作决策的能力，具有实际应用潜力。

该研究通过引入Sparkle框架，提升视觉语言模型在二维空间推理中的能力，显著改善了模型在空间任务中的表现。