本文介绍了一种利用视觉语言模型的方法，用于实体强化学习。通过使用视觉语言模型初始化策略，提供任务背景和辅助信息，以提高训练策略性能。实验结果表明，基于通用视觉语言模型的训练策略表现更好。同时，该方法优于遵循指令的方法和特定领域的嵌入方法。