VLA初学者，了解到action有多种方式表达和输出。想问问大家当前较为领先的VLA模型架构是怎么样的，我搜集到的现在大多采用chunk输出，基于diffusion的连续输出和基于离散token的输出有分出优势吗？ 
另外有没有一个比较多的当前VLA模型的一个对比的结果可以参考 😬