MAESTRO：用编码智能体编排机器人模块实现零样本通用机器人

MAESTRO 提出用视觉语言模型作为编码智能体，调用由感知、规划和控制工具组成的工具库来编写机器人程序，而非扩展数据训练端到端策略。其编排框架把多步感知与动作流程封装为可调用工具，并通过计划-执行-重规划循环，利用视觉与执行反馈核验结果并从失败中恢复。在桌面任务对比中，MAESTRO 零样本达到或超过先进 VLA 模型，并能完成多种移动操作任务，且未采集新的遥操作数据、也未调用 VLA 工具。消融显示，在完整编排框架下扩充工具库可提升平均任务进度，而只增加工具、不加框架则不能稳定提升。