2AM：将 Agent 侧记忆作为引导，实现长程操作中可操控的动作模型

2AM 提出把长程机器人操作的任务记忆放在动作策略之外，由多模态 Agent 单独持有，并用一个基于 RGB、按回合无状态的动作模型执行任务相关运动。Agent 把交互历史编译为子任务语言以及可选的 2D 抓取、放置和移动提示，在不同时间尺度上绑定其物理意图。为让 VLA 学会这种可操控性，作者在演示中加入结构化提示标签，并在条件丢弃、空间噪声和时间抖动下训练，以容忍不完美的 Agent 输出。在 LIBERO-Mem 上。