EvoMem-VLA 用状态演化记忆攻克长程机器人操作,RMBench 达 80.7%
zhenjun_zhao · x · 2026-10-08
EvoMem-VLA:面向长程操作的 VLA 记忆框架
VLA 模型通常只依赖当前观测,任务相关线索一旦离开视野就丢失,长程任务表现受限。EvoMem-VLA 提出状态演化记忆:显式编码并保留历史状态之间的变化,而非孤立的快照。
- 条件增量分词(conditional delta tokenization):将有序帧对编码为方向性、源条件化的 delta token,保留交互结果的证据,让策略能追踪任务进度
- 任务自适应路由:共享 VLM 骨干下,普通长程任务走直接动作路线,多阶段任务走子任务路线,生成可执行子任务辅助动作生成
- 成绩:单一联合训练策略在 RMBench 达 80.7%、RoboMME 达 82.0%,跨两种机器人本体的四项真实任务成功率 83.8%
「具身」频道最新
- LeRobot 实战教程上线：端到端机器人学习最新进展全解读 — yacinelearning · 2026-10-08
- 机器人皮肤与手指原型亮相，被赞「圣杯级」进展 — repligate · 2026-10-08
- 微软发布 Nvidia 芯片 AI PC,Surface Laptop Ultra 搭新 Windows 11 — TechCrunch AI · 2026-10-08
- EigenDEXplore：用人手协调运动模式改进机器人手探索 — leto__jean · 2026-10-08
- 旧思路新做法:沿人手运动方向加探索噪声,学灵巧操作抓取协同 — leto__jean · 2026-10-08
- Nature 警告隐形 AI 可穿戴普及或致偷录常态化,厂商称隐私设计应对 — tianshi_li · 2026-10-08