本文探讨了视觉语言模型（VLMs）在强化学习中的应用，提出了一种新方法，通过将VLMs作为策略初始化工具，提升复杂任务中的表现。研究表明，基于VLMs的策略优于传统方法，展示了其在三维世界理解和交互中的潜力，推动了通用智能体的发展。