HeLM：面向非马尔可夫操作的分层显式语言记忆VLA框架

HeLM 是一个分层 VLA 框架，用显式语言保存任务相关历史，通过分解式事件检测和事件触发记忆更新来应对非马尔可夫操作任务。作者指出多数现有 VLA 架构按马尔可夫假设只把当前观测映射为动作，在非马尔可夫环境中会失败。研究在 10 个真实世界非马尔可夫任务、56 个变体上评估，其中包括五个新提出的跨回合任务，要求跨任务边界保持上下文。结果显示，HeLM 相比最强基线将回合内成功率提升 12.8 个百分点，在组合泛化任务上子任务成功率达 78%，长时程下内存占用最多减少 4.5 倍、运行速度比关键帧基线快 2.5 倍。论文为预印本，共 32 页、14 幅图，含补充材料。