VLA 记忆架构之争:LLM 管长期历史,滑窗帧负责实时控制
YouJiacheng · x · 2026-11-23
YouJiacheng 与网友讨论 VLA(视觉-语言-动作模型)的记忆设计:人类显然不会记住每一帧,长期历史在概念/文本层面维护很可能就足够。他主张 VLA 用滑动窗口保留近期帧做实时控制,而由 LLM 持有「长但非视觉」的历史来指挥。
所属事件:VLA 记忆架构探讨:LLM 存长期史,滑窗帧管实时控制(3 条相关)→
「具身」频道最新
- 机器人步法演示夺冠,Air Street 创始人惊呼「不可思议」 — nathanbenaich · 2026-11-23
- OpenAI 联名掌机 ModRetro Chromatic Codex 版开箱在即,附可编程卡带 — Yamapama · 2026-11-23
- 奶爸用 Hermes 全程打造 YOLO 本地识别版 3D 打印宝可梦图鉴 — Teknium · 2026-11-23
- 特斯拉 Optimus 弹钢琴:人形机器人灵巧操作再进一步 — dioscuri · 2026-11-23
- 稳定 JEPA 可自动分块时间轴,只在意外事件时调用预测器省推理开销 — MarcJSchmidt · 2026-11-23
- 特斯拉 FSD V15 后续:全路线学习导航+Grok 语音控车将至 — PTrubey · 2026-11-23