본 논문은 대규모 사전 훈련된 비전 및 언어 표현을 활용하여 일반적인 로봇 조작을 발전시킨 비전-언어-액션(VLA) 모델에 대해 다룹니다. 기존 VLA 시스템의 한계점인 두 손가락 그리퍼의 문제점을 해결하기 위해, 본 논문에서는 기계식 두 손가락 그리퍼와 진공 흡입 장치를 결합한 저비용, 통합 하드웨어 설계를 제시합니다. 이 하이브리드 엔드 이펙터는 두 가지 모드를 유연하게 전환하거나 시너지 효과를 발휘할 수 있어 가능한 작업 범위를 넓힙니다. DexVLA 및 Pi0 두 가지 최첨단 VLA 프레임워크에서 설계의 효율성과 실용성을 검증했으며, 기존 두 손가락 그리퍼만으로는 불가능했던 복잡한 작업을 성공적으로 수행할 수 있음을 실험적으로 확인했습니다. 모든 하드웨어 설계 및 제어 시스템을 공개할 예정입니다.