ロボットが視覚情報（画像）と言語指示を受け取り；具体的な動作（関節の制御など）を出力する統合モデルを何というか。

ニューラルネットワークのパラメータを、特定の数学的な対称性（回転や反転など）を保ったまま学習させる手法を何というか。