技术定位：Teach and Grow 处在什么位置

VLA 模型把相机图像、语言指令与机器人状态直接映射为控制，是通用操作任务的主流架构。它们之所以有效，是因为大规模多模态预训练产生了可迁移的表示。在端到端路线中，新行为通过训练被吸收进模型参数：采集更多机器人数据、做优化、再回归检查策略此前已支持的能力。TGL 把这些模型保留为先验来源，而把新任务知识放到别处。

世界动作模型进一步引入学习到的物理动态，使系统能够推理场景将如何演变，而不只是对当前状态作出反应。这提升了泛化能力，代价是更重的训练周期与更大的数据需求。TGL 所指出的再训练负担同样适用于这类模型：修复路径仍然要穿过参数。

TGL 假定存在一个强大的预训练栈——用于推理的多模态 AI 智能体，加上专用的感知、抓取与运动工具。机器人基础模型提供的正是这种先验。在论文的表述中，它们保持不变，而显式、可检查的存储持续增长：存放经验证行为的 Skill Library，以及记录条件与修复的 Experience Memory。

该架构以 AI 智能体为中心：推理 AI 智能体读取场景、选择子目标与工具、观察结果，并修正剩余计划。这正是让工具型语言 AI 智能体变得有用的模式，只是被应用到了“一次错误动作会改变物理世界”的场合。AI 智能体承担任务级推理，机器人侧的执行器承担几何与连续控制。

TGL 的邻近工作还包括技能组合、技能库以及终身学习或持续学习。共同的问题是：机器人在跨任务时保留了什么，以及之后如何检索。TGL 的贡献是把被保留的对象显式化——一个带有明确适用范围与结果检验的经验证行为——从而让人可以收窄过度泛化的技能、修改恢复规则，或标记某个执行器版本不兼容。

示教提供 AI 智能体起步所需的结构：子目标序列、顺序，以及值得检查的条件。它并不提供物理实现，后者会根据当前场景重新计算。这正是 TGL 能够保留意图效果、而实际抓取、路径与接触点与教师不同的原因。

学习策略仍然可以实现某个 Skill Block、执行熟悉的技能组合，或在拟议的“慢教师–快学生”路线中成为未来的学生。几何规划器可以连接两个技能，视觉伺服可以完成局部闭环。TGL 提供语义契约与反馈结构，让这些组件共同服务于任务，而不是取代它们。