基础视觉语言模型（ VLM ）展示了广泛的世界智能，但将这种智能转化为机器人控制仍然具有挑战性。我们展示了Show-Harness ，这是一种嵌入式线束，使VLM能够通过紧凑的语义界面“玩”机器人，将意图与行动联系起来。Show-Harness暴露了VLM可以自然推理的离散语义动作单元，而

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.10522v1)获取最准确的信息。

---
🔗 **原文链接**: [Show-Harness: Just a VLM Agent Can Play Robots](https://arxiv.org/abs/2609.10522v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Yanzhe Chen, Zechen Bai, Zhijun Cao, Wenzheng Zeng, Kevin Qinghong Lin, Yiqi Lin, Guoqiang Liang, Kevin Yuchen Ma, Qiming Huang, Mike Zheng Shou

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-10 14:01