子任务分解

ForeAct：以高效视觉预见规划引导视觉语言动作模型

ForeAct: Steering Your VLA with Efficient Visual Foresight Planning

把「想象未来观测」作为可插拔的视觉输入增强，让 VLA 从高层语义推理中解放出来专注视觉-运动推理；其 0.33s 生成 640x480 预见图像的轻量生成模块与百万级跨具身预训练思路，可直接迁移到任何以图像为输入的策略模型上。