上交大提出 VaM：用价值预测作记忆，机器人连续 4 小时自主作业成功率超 95%
chris_j_paxton · x · 2026-10-26
上海交大团队发布 Value as Memory（VaM）在线价值引导后训练框架，解决机器人操作中「视觉相似但含义不同」的状态判别难题：叠衣服时同样的观察可能是接触丢失，也可能是成功的重新抓取。
核心做法：
- 将最近的 value 预测缓存作为「任务进度记忆」，与视觉和本体感知观测一起输入动作专家，帮助策略识别进度停滞或倒退并触发恢复行为。
- 离线到在线四阶段训练：行为克隆初始化 → 离线 RL 预热价值专家 → 在线运行中同时利用离线演示、人类纠错（off-policy）和自主 rollout（on-policy）持续改进，数据收集与价值/动作专家更新并发进行。
- 分布式价值专家提供进度记忆，支撑长时程、可形变物体和接触密集操作。
实验结果：在盒子装配任务上，4 小时连续自主运行任务成功率超过 95%；另在叠衣服和磁性巴士装配上完成验证。项目页、论文和代码均已开源。
「具身」频道最新
- 人形机器人每一步都是连续纠偏：看 demo 要看摔倒后怎么恢复 — Olivier__OG · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- AI 研究员曾预测机器人 2034 年才能跑赢人类，今年已被连续打脸 — ben_j_todd · 2026-10-26
- 上海AI实验室等发布 100 小时可穿戴采集人形机器人训练数据集 — ChuckDBrooks · 2026-10-26
- RealSense D585 Pro AI 3D 深度相机到货开箱，主打 Physical AI — chrismatthieu · 2026-10-26
- 网友晒「物理世界智能体集群」演示,实体 Agent 成群协作 — pduan · 2026-10-26