計画 → スキル → 実行 → 評価 → 再計画
VLMを使った閉ループ。三つは実機で動き、左端の計画層だけが空いている。カードを押すと中身が出る。
①計画VLMが手順決定
→
②スキル許可されたAPI
→
③実行実機で動かす
→
④評価VLM-as-Reward
失敗 → 計画へ戻る 成功 → 完了
実線 ＝ 揃っている 破線 ＝ 未着手（計画層）