本文讨论了改进版的π0.5及其在视觉-语言-动作（VLA）模型中的应用，强调知识隔离策略在保持VLM预训练能力的同时，解决模态差距和数据稀缺问题。通过引入专家混合架构，WALL-OSS模型增强了跨模态关联能力，提高了指令遵循和长时序任务的成功率。