首尔大学 HeLM：显式语言记忆让 VLA 机器人处理非马尔可夫任务

SeoulNationalUniv · hf · 2026-11-06

首尔大学提出 HeLM（Hierarchical Explicit Language Memory），一个分层 VLA 框架，针对现有 VLA 模型的马尔可夫假设——只映射当前观察到动作，导致在需要工作记忆的非马尔可夫环境中失败。HeLM 受人类「内心独白」启发，通过分解的事件检测和事件触发更新，用显式语言记忆维护任务相关历史。在 10 个非马尔可夫真实任务（56 个变体）上评测，其中 5 个是需跨任务边界持久上下文的全新集任务：比最强基线提升 12.8 个百分点的成功率，组合泛化子任务成功率达 78%，长时程下内存少用至 4.5 倍、速度快 2.5 倍。