点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Junyao Shi等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 MAESTRO 是一种以视觉语言模型（VLM）为核心的模块化机器人框架，通过动态组合感知、规划、控制等专用模块，在无需大规模机器人训练数据的情况 下，实现了超越现有视觉语言动作（VLA）模型的零样本操作性能，同时具备可扩展性、可调试性等优势。 论文链接：https://arxiv.org/pdf/2511.00917 核心架构与关键设计 1. 整体框架 MAESTRO 以VLM编码代理为核心，接收语言指令和场景图像后，动态编写代码组合工具模块，形成程序化策略。框架采用闭环交互机制，在执行过程中持续 监控环境反馈，实时调整代码和动作，构成"感知-动作-学习"的自适应循环。 利用VLM已有的强大通用能力，避免对机器人专属数据的依赖； 通过模块化设计整合机器人领域成熟的专用工具，弥补VLM在低级别操作上的不足； 突破传统模 ...